基于模腔压力反馈的注塑制品质量在线监控与优化
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-25页 |
| ·研究背景 | 第12页 |
| ·注塑成型技术 | 第12-18页 |
| ·注塑成型过程 | 第12-13页 |
| ·注塑成型工艺参数 | 第13-14页 |
| ·工艺参数对制品质量的影响 | 第14-18页 |
| ·注塑制品质量控制及研究进展 | 第18-22页 |
| ·过程参数控制 | 第18-20页 |
| ·注塑制品质量控制研究进展 | 第20-22页 |
| ·模腔压力控制研究进展 | 第22-23页 |
| ·本论文主要研究工作 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第二章 模腔压力数据的采集与分析 | 第25-45页 |
| ·数据采集与实验设备 | 第25-28页 |
| ·数据采集原理 | 第25页 |
| ·实验设备 | 第25-27页 |
| ·数据采集工作 | 第27-28页 |
| ·析因设计 | 第28-35页 |
| ·实验目标与实验分析 | 第28-29页 |
| ·测定指标（质量指标） | 第29页 |
| ·实验设计 | 第29-30页 |
| ·实验结果 | 第30-35页 |
| ·数据处理与分析 | 第35-44页 |
| ·数据处理 | 第35-38页 |
| ·不同注射阶段工艺参数对模腔压力的影响 | 第38-40页 |
| ·析因分析 | 第40-42页 |
| ·模腔压力曲线与制品质量的关系分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第三章 基于 BP 神经网络的压力预测 | 第45-60页 |
| ·BP 网络的基本算法 | 第45-49页 |
| ·BP 神经元模型 | 第45-47页 |
| ·BP 网络的学习算法 | 第47-49页 |
| ·改善 BP 算法性能的方法 | 第49-51页 |
| ·加入动量项 | 第50页 |
| ·学习率的自适应调节 | 第50页 |
| ·其他改善 BP 网络性能的方法 | 第50-51页 |
| ·BP 网络的训练及参数选择 | 第51-56页 |
| ·网络训练方法 | 第51-52页 |
| ·训练样本集的准备 | 第52-54页 |
| ·BP 网络结构设计 | 第54-55页 |
| ·网络训练结果 | 第55-56页 |
| ·基于 BP 神经网络压力预测 | 第56-59页 |
| ·测试样本 | 第56-57页 |
| ·预测结果 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第四章 基于压力反馈的质量在线优化 | 第60-85页 |
| ·注塑控制技术 | 第60-65页 |
| ·注塑机开环控制与闭环控制的比较 | 第61页 |
| ·注塑机闭环系统 PID 控制 | 第61-63页 |
| ·注塑参数的控制与 PID 调节 | 第63-65页 |
| ·压力反馈质量控制系统设计 | 第65-81页 |
| ·控制方案及系统结构 | 第65-67页 |
| ·控制系统工作原理 | 第67-68页 |
| ·控制程序设计 | 第68-76页 |
| ·PLC 控制系统的设计 | 第76-81页 |
| ·实验验证 | 第81-83页 |
| ·本章小结 | 第83-85页 |
| 结论与展望 | 第85-87页 |
| 参考文献 | 第87-92页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第92-93页 |
| 致谢 | 第93-94页 |
| 附件 | 第94页 |
