| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 课题研究背景和意义 | 第12-13页 |
| 1.2 相关领域的研究和发展现状 | 第13-18页 |
| 1.2.1 板料成形模拟技术研究进展 | 第13-14页 |
| 1.2.2 板料冲压优化设计进展 | 第14-17页 |
| 1.2.3 支持向量机算法研究进展 | 第17-18页 |
| 1.3 本文的研究内容及结构 | 第18-19页 |
| 第2章 支持向量机近似模型技术 | 第19-32页 |
| 2.1 概述 | 第19页 |
| 2.2 常用近似模型 | 第19-23页 |
| 2.2.1 响应面近似模型 | 第20页 |
| 2.2.2 神经网络模型 | 第20-21页 |
| 2.2.3 Kriging 模型 | 第21-22页 |
| 2.2.4 径向基函数 | 第22页 |
| 2.2.5 近似模型精度评估 | 第22-23页 |
| 2.3 支持向量机回归理论基础 | 第23-29页 |
| 2.3.1 统计学习理论 | 第23-26页 |
| 2.3.2 支持向量机回归 | 第26-29页 |
| 2.4 试验设计方法 | 第29-31页 |
| 2.4.1 全因子试验设计 | 第29页 |
| 2.4.2 正交试验设计 | 第29-30页 |
| 2.4.3 均匀拉丁方试验设计 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于 SVM-IPSO 的冲压工艺参数优化方法 | 第32-49页 |
| 3.1 概述 | 第32页 |
| 3.2 粒子群优化算法 | 第32-35页 |
| 3.2.1 标准粒子群优化算法 | 第32-33页 |
| 3.2.2 改进粒子群优化算法 | 第33-35页 |
| 3.3 支持向量机回归参数选取 | 第35-36页 |
| 3.3.1 参数选取分析 | 第35-36页 |
| 3.3.2 基于支持向量机和改进粒子群算法的模型构建 | 第36页 |
| 3.4 冲压工艺参数优化模型 | 第36-40页 |
| 3.4.1 设计变量 | 第36-38页 |
| 3.4.2 板料成形优化中常用的目标函数 | 第38-40页 |
| 3.4.3 优化过程 | 第40页 |
| 3.5 算例研究 | 第40-45页 |
| 3.5.1 设计变量 | 第42-43页 |
| 3.5.2 目标函数 | 第43页 |
| 3.5.3 优化模型 | 第43-45页 |
| 3.6 优化计算及结果分析 | 第45-48页 |
| 3.6.1 SVM 参数优化结果 | 第45页 |
| 3.6.2 近似模型拟合效果对比分析 | 第45-48页 |
| 3.6.3 优化结果 | 第48页 |
| 3.7 本章小结 | 第48-49页 |
| 第4章 基于 SVM-IPSO 方法的薄板冲压成形工艺优化 | 第49-60页 |
| 4.1 基于 SVM-IPSO 方法的机盖外板板料形状优化 | 第49-54页 |
| 4.1.1 问题描述 | 第49-50页 |
| 4.1.2 设计变量 | 第50-51页 |
| 4.1.3 目标函数 | 第51页 |
| 4.1.4 SVM 回归模型的构建 | 第51页 |
| 4.1.5 优化算法求解 | 第51-53页 |
| 4.1.6 优化结果分析 | 第53-54页 |
| 4.2 基于 SVM-IPSO 方法的后地板横梁件模具工艺参数优化 | 第54-59页 |
| 4.2.1 问题描述 | 第54-55页 |
| 4.2.2 设计变量 | 第55-56页 |
| 4.2.3 目标函数 | 第56页 |
| 4.2.4 SVM 回归模型的构建 | 第56-58页 |
| 4.2.5 优化算法求解 | 第58页 |
| 4.2.6 优化结果分析 | 第58-59页 |
| 4.3 本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 附录 A 攻读硕士学位期间所发表的学术论文目录 | 第68页 |
