| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 径向基函数代理模型技术的研究现状 | 第12-14页 |
| 1.2.1 径向基函数建立代理模型的取样策略 | 第12-13页 |
| 1.2.2 径向基函数代理模型技术的应用 | 第13-14页 |
| 1.3 基于径向基函数网络的高速列车参数化设计优化 | 第14-18页 |
| 1.4 主要研究工作及论文思路 | 第18-20页 |
| 1.4.1 主要研究工作 | 第18-19页 |
| 1.4.2 论文思路 | 第19-20页 |
| 第2章 高速列车代理模型输入和输出变量的确定以及试验设计方法的选择 | 第20-33页 |
| 2.1 概述 | 第20-21页 |
| 2.2 高速列车设计空间确定 | 第21-22页 |
| 2.3 试验设计方法确定 | 第22-28页 |
| 2.3.1 拉丁超立方试验原理与步骤 | 第25-27页 |
| 2.3.2 拉丁超立方试验方法在Matlab中的实现 | 第27页 |
| 2.3.3 不同水平情况下基于拉丁超立方的代理模型精度问题 | 第27-28页 |
| 2.4 高速列车动力学评价指标 | 第28-32页 |
| 2.4.1 运行平稳性 | 第28-29页 |
| 2.4.2 曲线通过能力(安全性能) | 第29-30页 |
| 2.4.3 基于SIMPACK软件的动力学建模 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于径向基函数网络的高速列车代理模型构建 | 第33-48页 |
| 3.1 常用的代理模型方法分析及性能 | 第33-37页 |
| 3.1.1 代理模型方法 | 第33-36页 |
| 3.1.2 各种代理模型方法优缺点 | 第36-37页 |
| 3.2 高速列车参数化设计代理模型方法确定 | 第37-40页 |
| 3.2.1 径向基函数网络结构 | 第38页 |
| 3.2.2 径向基神经网络的学习算法 | 第38-39页 |
| 3.2.3 径向基神经网络常用函数 | 第39-40页 |
| 3.3 构建高速列车神经网络代理模型 | 第40-47页 |
| 3.3.1 正则化RBF模型 | 第40-41页 |
| 3.3.2 改进的正则化径向基函数网络模型建立 | 第41-42页 |
| 3.3.3 高速列车神经网络验证和评估方法 | 第42-43页 |
| 3.3.4 基于径向基函数的高速列车代理模型建立 | 第43-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 高速列车基于径向基函数网络代理模型的参数设计优化 | 第48-62页 |
| 4.1 高速列车多目标优化模型的建立 | 第48-49页 |
| 4.2 建立代理模型和智能优化算法之间的调用方法 | 第49-50页 |
| 4.3 多目标粒子群优化算法 | 第50-52页 |
| 4.3.1 多目标粒子群优化的原理 | 第50-51页 |
| 4.3.2 基于MATLAB编程的多目标粒子群优化 | 第51-52页 |
| 4.4 差分进化算法 | 第52-60页 |
| 4.4.1 差分进化算法基本原理 | 第53-54页 |
| 4.4.2 MATLAB中实现DE算法的流程 | 第54-55页 |
| 4.4.3 用差分进化算法对高速列车进行参数优化 | 第55-58页 |
| 4.4.4 差分优化算法和多目标粒子群优化算法的比较 | 第58-59页 |
| 4.4.5 与29个设计变量构建的代理模型优化结果比较 | 第59-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第5章 结论与展望 | 第62-64页 |
| 5.1 全文总结 | 第62-63页 |
| 5.2 论文创新 | 第63页 |
| 5.3 工作展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 | 第68-75页 |
