| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·选题背景及选题意义 | 第8-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文研究的主要内容 | 第12-14页 |
| 第二章 数值模拟的基本理论和方法 | 第14-28页 |
| ·有限体积法的理论 | 第14页 |
| ·控制方程 | 第14-16页 |
| ·N-S 方程 | 第15页 |
| ·RANS 方程 | 第15-16页 |
| ·湍流模型 | 第16-22页 |
| ·标准 k - 模型 | 第16-17页 |
| ·RNG k - 模型 | 第17-18页 |
| ·Realizable 模型 | 第18页 |
| ·标准 k - w模型 | 第18-20页 |
| ·SST k - 模型 | 第20-22页 |
| ·边界条件的处理 | 第22-25页 |
| ·入口边界条件 | 第22-23页 |
| ·出口边界条件 | 第23页 |
| ·对称边界条件 | 第23页 |
| ·固壁边界条件 | 第23-25页 |
| ·网格处理 | 第25-26页 |
| ·自由液面的数值模拟 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于 DTMB5415 的三体船粘性流场的数值模拟 | 第28-42页 |
| ·引言 | 第28页 |
| ·DTMB5415 的粘性流场模拟 | 第28-34页 |
| ·基本船型介绍 | 第28-29页 |
| ·网格划分 | 第29-30页 |
| ·有关y 值的讨论 | 第30-31页 |
| ·计算方法和边界条件 | 第31页 |
| ·计算结果和分析 | 第31-34页 |
| ·三体船的侧体布局研究 | 第34-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于 BP 神经网络的三体船优化研究 | 第42-59页 |
| ·人工神经网络的基本原理 | 第42-45页 |
| ·神经网络模型 | 第43-44页 |
| ·网络学习过程 | 第44页 |
| ·人工神经网络的性质 | 第44-45页 |
| ·BP 神经网络算法改进 | 第45-49页 |
| ·BP 神经网络基本算法 | 第45-48页 |
| ·BP 神经网络算法的局限性 | 第48页 |
| ·BP 神经网络算法的改进 | 第48-49页 |
| ·BP 神经网络的模型建立 | 第49-52页 |
| ·BP 神经网络初始数据的处理 | 第50-51页 |
| ·BP 神经网络重要参数的设置 | 第51-52页 |
| ·BP 神经网络的 MATLAB 实现 | 第52-53页 |
| ·算例的结果和分析 | 第53-58页 |
| ·网络训练结果 | 第53-56页 |
| ·网络预测结果 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 带自由面的三体实船的阻力性能预报 | 第59-66页 |
| ·引言 | 第59-60页 |
| ·模型建立 | 第60-61页 |
| ·网格划分及边界设置 | 第61-63页 |
| ·混合网格的划分 | 第61-62页 |
| ·边界条件的设置 | 第62-63页 |
| ·计算结果和预报分析 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 结论与展望 | 第66-68页 |
| ·本文结论 | 第66-67页 |
| ·未来展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 发表论文和参加科研情况说明 | 第71-72页 |
| 致谢 | 第72页 |