| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| §1-1 课题的背景及研究意义 | 第8页 |
| §1-2 电磁场逆问题的研究现状 | 第8-10页 |
| §1-3 行波感应加热技术的发展及研究现状 | 第10-11页 |
| §1-4 人工搜索群算法简介 | 第11-12页 |
| §1-5 本课题的主要研究内容 | 第12-13页 |
| 第二章 人工搜索群算法及其改进 | 第13-22页 |
| §2-1 人工搜索群算法原理 | 第13-14页 |
| §2-2 人工搜索群算法性能测试 | 第14-16页 |
| §2-3 各参数对算法性能的影响 | 第16-19页 |
| §2-4 人工搜索群算法改进 | 第19-21页 |
| §2-5 本章小结 | 第21-22页 |
| 第三章 行波感应加热数学模型 | 第22-27页 |
| §3-1 行波感应加热涡流场数学模型 | 第22-25页 |
| 3-1-1 涡流场数学模型 | 第22-24页 |
| 3-1-2 涡流场边界条件分析 | 第24-25页 |
| §3-2 行波感应加热温度场数学模型 | 第25-26页 |
| 3-2-1 温度场数学模型 | 第25页 |
| 3-2-2 温度场边界条件分析 | 第25-26页 |
| §3-3 本章小结 | 第26-27页 |
| 第四章 行波感应加热装置优化设计 | 第27-37页 |
| §4-1 行波感应加热装置模型选定及计算 | 第27-32页 |
| 4-1-1 建立行波感应加热装置模型 | 第27-29页 |
| 4-1-2 行波感应加热装置涡流场计算 | 第29页 |
| 4-1-3 行波感应加热模型的剖分、施加边界条件和载荷 | 第29-30页 |
| 4-1-4 行波感应加热耦合场计算 | 第30-32页 |
| §4-2 行波感应加热装置优化设计模型 | 第32-36页 |
| 4-2-1 建立行波感应装置优化模型 | 第33-35页 |
| 4-2-2 优化设计结果及分析 | 第35-36页 |
| §4-3 本章小结 | 第36-37页 |
| 第五章 行波感应加热人工神经网络预测 | 第37-44页 |
| §5-1 人工神经网络 | 第37-39页 |
| 5-1-1 人工神经网络简介 | 第37页 |
| 5-1-2 人工神经网络学习算法 | 第37-39页 |
| §5-2 行波感应加热神经网络预测 | 第39-42页 |
| 5-2-1 神经网络预测模型 | 第39页 |
| 5-2-2 试验样本的产生 | 第39-40页 |
| 5-2-3 选取神经网络训练样本 | 第40-41页 |
| 5-2-4 神经网络预测准确度检测 | 第41-42页 |
| §5-3 基于神经网络的行波感应加热装置优化 | 第42-43页 |
| §5-4 本章小结 | 第43-44页 |
| 第六章 总结与展望 | 第44-45页 |
| §6-1 本文总结 | 第44页 |
| §6-2 下一步工作展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-50页 |
| 攻读学位期间所取得的相关科研成果 | 第50页 |