GARBF网络法预测水泵全特性曲线
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题来源及研究意义 | 第9-10页 |
| ·国内外研究现状及发展 | 第10-12页 |
| ·主要研究内容及意义 | 第12-14页 |
| 第二章 水泵全特性曲线理论 | 第14-27页 |
| ·水泵常规参数及含义 | 第14页 |
| ·水泵相似理论 | 第14-16页 |
| ·泵输系统的流动相似 | 第14-15页 |
| ·水泵相似换算公式 | 第15-16页 |
| ·水泵的比转数 | 第16-18页 |
| ·比转数的定义 | 第16-17页 |
| ·对比转数的讨论 | 第17-18页 |
| ·常用的两种泵的全特性曲线 | 第18-20页 |
| ·水泵四象限特性曲线 | 第19页 |
| ·水泵全面特性曲线 | 第19-20页 |
| ·水泵全特性的曲线表示方法 | 第20-24页 |
| ·β-q坐标与q-h坐标水泵全特性曲线 | 第21页 |
| ·x～WH及x～WM坐标水泵全面特性曲线 | 第21-24页 |
| ·水泵全特性曲线预测理论及方法 | 第24-27页 |
| ·水泵全特性与比转数的关系 | 第24-25页 |
| ·水泵全特性曲线预测方法 | 第25-27页 |
| 第三章 神经网络理论及应用 | 第27-36页 |
| ·生物神经元模型 | 第27页 |
| ·人工神经网络 | 第27-34页 |
| ·人工神经网络的特性 | 第27-28页 |
| ·人工神经元模型 | 第28页 |
| ·神经网络常用的基函数 | 第28-30页 |
| ·神经网络分类 | 第30页 |
| ·神经网络的学习方法 | 第30-34页 |
| ·常用神经网络模型 | 第34-36页 |
| 第四章 GARBF网络预测水泵全特性 | 第36-44页 |
| ·径向基函数神经网络 | 第36-38页 |
| ·RBF网络结构 | 第36-37页 |
| ·RBF网络学习算法 | 第37-38页 |
| ·遗传算法 | 第38-40页 |
| ·遗传算法的定义及特点 | 第38-39页 |
| ·遗传操作 | 第39-40页 |
| ·遗传算法的径向基函数网络 | 第40-44页 |
| ·自适应遗传算法 | 第40-41页 |
| ·GARBF网络模型提出 | 第41页 |
| ·网络参数有关计算 | 第41-42页 |
| ·GARBF网络预测水泵全特性参数 | 第42-44页 |
| 第五章 水泵全特性曲线预测及工程应用 | 第44-64页 |
| ·预测软件开发 | 第44-50页 |
| ·MATLAB实现平台 | 第44-45页 |
| ·算法流程图及软件运行 | 第45-47页 |
| ·软件运行结果 | 第47-50页 |
| 1、网络结构和运行目标误差 | 第47-50页 |
| ·预测结果分析 | 第50-54页 |
| ·方法的评价 | 第54-56页 |
| ·评判标准 | 第54-55页 |
| ·与实测样本的拟合程度 | 第55页 |
| ·与正交多项式拟合法比较优劣 | 第55-56页 |
| ·与BP网络预测法比较优劣 | 第56页 |
| ·工程实例应用 | 第56-64页 |
| ·在简单管路中的水锤分析中的应用 | 第57-58页 |
| ·在泵站输水管路中的水锤分析中的应用 | 第58-64页 |
| 结论与展望 | 第64-66页 |
| 结论 | 第64-65页 |
| 展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录 | 第69-81页 |
| 致谢 | 第81页 |
