| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-17页 |
| ·贫氧推进剂及其燃速测量概述 | 第7-12页 |
| ·贫氧推进剂动静态燃速相关性研究的意义 | 第12-13页 |
| ·燃速相关性研究的现状 | 第13-14页 |
| ·本文研究内容 | 第14-17页 |
| 第二章 人工神经网络与遗传算法 | 第17-41页 |
| ·神经网络基础理论 | 第17-21页 |
| ·简化的神经元数学模型 | 第17-19页 |
| ·MP模型 | 第19页 |
| ·前馈型网络 | 第19-21页 |
| ·反馈型网络 | 第21页 |
| ·人工神经网络的学习规则 | 第21-24页 |
| ·D.D.Hebb学习规则 | 第22页 |
| ·感知器的学习规则 | 第22-23页 |
| ·δ学习规则 | 第23-24页 |
| ·梯度下降法 | 第24页 |
| ·神经网络的性能 | 第24-25页 |
| ·网络的基本特点 | 第24-25页 |
| ·网络能力 | 第25页 |
| ·误差反传训练算法 | 第25-32页 |
| ·BP算法的数学描述 | 第26-29页 |
| ·常用的激励函数 | 第29页 |
| ·BP算法的改进 | 第29-32页 |
| ·遗传算法 | 第32-38页 |
| ·遗传算法概述 | 第32-34页 |
| ·遗传算法的求解步骤和设计策略 | 第34-38页 |
| ·遗传算法存在的不足和发展方向 | 第38-40页 |
| ·小结 | 第40-41页 |
| 第三章 基于GA-BP网络贫氧推进剂燃速相关性分析 | 第41-66页 |
| ·BP网络设计 | 第41-44页 |
| ·BP神经网络的层数 | 第42页 |
| ·隐层单元数选择 | 第42-43页 |
| ·网络初始连接权值和阈值的选取 | 第43页 |
| ·其它参数的确定 | 第43-44页 |
| ·基于遗传算法的BP神经网络设计 | 第44-48页 |
| ·基本思路 | 第44页 |
| ·遗传算法设计 | 第44-47页 |
| ·GA-BP算法训练网络的步骤 | 第47-48页 |
| ·贫氧推进剂燃速相关性分析网络模型的建立 | 第48-58页 |
| ·数据预处理 | 第48-51页 |
| ·燃速相关性分析网络模型的建立 | 第51-58页 |
| ·贫氧推进剂燃速相关性网络模型的验证 | 第58-62页 |
| ·贫氧推进剂燃速相关性分析网络模型的应用 | 第62-65页 |
| ·小结 | 第65-66页 |
| 第四章 结论与建议 | 第66-68页 |
| ·结论 | 第66-67页 |
| ·建议 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 硕士期间发表论文情况 | 第73-74页 |
| 西北工业大学学位论文知识产权声明书 | 第74页 |
| 西北工业大学学位论文原创性声明 | 第74页 |