| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 论文背景 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.2.1 环境试验技术研究现状 | 第17-18页 |
| 1.2.2 虚拟试验技术研究现状 | 第18-19页 |
| 1.2.3 腐蚀预测理论研究现状 | 第19-20页 |
| 1.3 论文研究目的及意义 | 第20页 |
| 1.4 论文组织结构及研究内容 | 第20-22页 |
| 1.5 本章小结 | 第22-24页 |
| 第二章 雷达虚拟试验系统总体设计 | 第24-34页 |
| 2.1 系统需求分析 | 第24-25页 |
| 2.2 总体架构与功能设计 | 第25-32页 |
| 2.2.1 系统架构 | 第25-26页 |
| 2.2.2 技术路线 | 第26-28页 |
| 2.2.3 功能模块设计 | 第28-29页 |
| 2.2.4 数据库设计 | 第29-32页 |
| 2.3 本章小结 | 第32-34页 |
| 第三章 雷达天线环境适应性仿真分析 | 第34-52页 |
| 3.1 计算流体力学理论与模型 | 第34-41页 |
| 3.1.1 温度场分布建模 | 第34-36页 |
| 3.1.2 湿度场分布建模 | 第36-39页 |
| 3.1.3 盐雾浓度场分布建模 | 第39-41页 |
| 3.1.4 综合环境耦合建模 | 第41页 |
| 3.2 雷达天线有限元建模仿真 | 第41-45页 |
| 3.2.1 雷达天线模型的建立与简化 | 第42-43页 |
| 3.2.2 雷达天线有限元仿真 | 第43-45页 |
| 3.3 典型雷达天线组件环境适应性仿真试验验证 | 第45-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第四章 雷达天线综合环境腐蚀预测模型研究 | 第52-70页 |
| 4.1 概述 | 第52页 |
| 4.2 基于遗传算法优化BP神经网络的基础理论 | 第52-62页 |
| 4.2.1 BP神经网络的基本原理与实现 | 第52-58页 |
| 4.2.2 遗传算法的基本原理与实现 | 第58-62页 |
| 4.2.3 基于遗传算法优化BP神经网络 | 第62页 |
| 4.3 基于GA-BP神经网络的雷达综合环境腐蚀预测模型研究 | 第62-69页 |
| 4.3.1 基于GA-BP神经网络的腐蚀预测模型设计 | 第62-66页 |
| 4.3.2 雷达整机综合环境腐蚀仿真验证 | 第66-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第五章 面向高温高湿高盐雾的雷达虚拟试验系统实现 | 第70-82页 |
| 5.1 系统开发工具 | 第70-71页 |
| 5.2 系统实现关键技术 | 第71-75页 |
| 5.2.1 Matlab与C | 第71-72页 |
| 5.2.2 Windows消息处理机制 | 第72-74页 |
| 5.2.3 ICEM CFD和ANSYS FLUENT二次开发 | 第74-75页 |
| 5.3 系统应用实例与功能界面 | 第75-81页 |
| 5.3.1 系统登录页面 | 第75-76页 |
| 5.3.2 系统管理页面 | 第76页 |
| 5.3.3 系统主页面和模型预览 | 第76-77页 |
| 5.3.4 有限元建模 | 第77-78页 |
| 5.3.5 流场仿真 | 第78-79页 |
| 5.3.6 综合环境腐蚀预测 | 第79页 |
| 5.3.7 结果输出 | 第79-81页 |
| 5.4 本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 6.1 研究总结 | 第82页 |
| 6.2 研究展望 | 第82-84页 |
| 参考文献 | 第84-90页 |
| 致谢 | 第90-92页 |
| 作者简介 | 第92-93页 |
