| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 行波管的发展概况及现状 | 第10-11页 |
| 1.2 行波管热分析国内外研究现状 | 第11-13页 |
| 1.3 论文主要研究内容和组织结构 | 第13-16页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 组织结构 | 第14-16页 |
| 第二章 行波管慢波结构和收集极的ANSYS有限元热分析 | 第16-28页 |
| 2.1 传热学基本理论 | 第16-17页 |
| 2.1.1 热传导 | 第16页 |
| 2.1.2 热对流 | 第16页 |
| 2.1.3 热辐射 | 第16-17页 |
| 2.2 有限元法 | 第17-18页 |
| 2.3 ANSYS有限元分析软件介绍 | 第18-19页 |
| 2.4 螺旋线慢波结构的有限元热分析 | 第19-23页 |
| 2.4.1 慢波结构有限元模型的建立 | 第19-21页 |
| 2.4.2 慢波结构稳态热分析 | 第21-23页 |
| 2.5 收集极的有限元热分析 | 第23-25页 |
| 2.5.1 收集极产热机理 | 第23页 |
| 2.5.2 收集极有限元模型的建立 | 第23-24页 |
| 2.5.3 收集极的稳态热分析 | 第24-25页 |
| 2.6 本章小结 | 第25-28页 |
| 第三章 管体温度测量系统设计 | 第28-36页 |
| 3.1 系统整体框架设计 | 第28页 |
| 3.2 系统硬件设计 | 第28-29页 |
| 3.2.1 热电偶传感器 | 第28-29页 |
| 3.2.2 温度采集模块设计 | 第29页 |
| 3.3 系统软件设计 | 第29-31页 |
| 3.4 测温系统精度验证实验 | 第31-32页 |
| 3.5 慢波结构和收集极管体温度测量与结果分析 | 第32-34页 |
| 3.5.1 管体工作温度测量实验 | 第32页 |
| 3.5.2 管体温度分布结果及分析 | 第32-34页 |
| 3.6 本章小结 | 第34-36页 |
| 第四章 BP人工神经网络及遗传算法基本理论 | 第36-52页 |
| 4.1 人工神经网络 | 第36-37页 |
| 4.1.1 人工神经网络发展历史 | 第36页 |
| 4.1.2 人工神经网络的简介 | 第36-37页 |
| 4.2 BP神经网络 | 第37-42页 |
| 4.2.1 BP神经网络概述 | 第37-38页 |
| 4.2.2 BP神经网络的工作原理 | 第38-39页 |
| 4.2.3 BP算法数学方法描述 | 第39-40页 |
| 4.2.4 网络结构参数确定 | 第40-42页 |
| 4.2.5 BP算法的不足与改进 | 第42页 |
| 4.3 遗传算法 | 第42-49页 |
| 4.3.1 遗传算法的发展历史概述 | 第43页 |
| 4.3.2 遗传算法的基本原理 | 第43-44页 |
| 4.3.3 遗传算法主要概念以及实现方法 | 第44-49页 |
| 4.3.4 遗传算法的应用领域 | 第49页 |
| 4.4 遗传算法与BP神经网络相结合 | 第49-50页 |
| 4.4.1 遗传算法与BP神经网络结合的原因 | 第49页 |
| 4.4.2 遗传算法优化BP神经网络的原理与过程 | 第49-50页 |
| 4.5 本章小结 | 第50-52页 |
| 第五章 基于GA-BP神经网络模型的行波管主要部件内部温度预测研究 | 第52-68页 |
| 5.1 传热学反问题 | 第52页 |
| 5.2 基于GA—BP神经网络的慢波结构和收集极内部温度预测模型的建立 | 第52-57页 |
| 5.2.1 BP神经网络结构的确定 | 第52-54页 |
| 5.2.2 样本数据的获取和处理 | 第54-55页 |
| 5.2.3 遗传算法参数的确定 | 第55-57页 |
| 5.3 GA—BP模型结果分析及讨论 | 第57-66页 |
| 5.3.1 慢波结构的内部温度预测结果分析与讨论 | 第57-63页 |
| 5.3.2 收集极的内部温度预测结果分析与讨论 | 第63-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 不足与展望 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-74页 |
| 作者简介 | 第74页 |
