| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-14页 |
| 1.1 引言 | 第9页 |
| 1.2 课题研究背景 | 第9-11页 |
| 1.2.1 钛合金概述 | 第9页 |
| 1.2.2 激光弯曲成形原理 | 第9-10页 |
| 1.2.3 激光弯曲成形特点 | 第10-11页 |
| 1.2.4 RBF神经网络与粒子群优化算法 | 第11页 |
| 1.3 国内外研究状况 | 第11-13页 |
| 1.3.1 国外研究状况 | 第11-12页 |
| 1.3.2 国内研究状况 | 第12-13页 |
| 1.4 课题研究内容 | 第13-14页 |
| 2 钛合金薄板激光弯曲成形的有限元模拟研究 | 第14-35页 |
| 2.1 激光弯曲成形的温度场有限元模拟 | 第14-23页 |
| 2.1.1 物理模型的定义 | 第14-15页 |
| 2.1.2 单元的选取与网格划分 | 第15-17页 |
| 2.1.3 材料热学性能的定义 | 第17-18页 |
| 2.1.4 初始条件与边界条件的定义 | 第18页 |
| 2.1.5 移动热源模型的定义 | 第18-19页 |
| 2.1.6 多次扫描的加载与时间子步的设置 | 第19页 |
| 2.1.7 温度场模拟结果分析 | 第19-23页 |
| 2.2 激光弯曲成形的形变场有限元模型 | 第23-32页 |
| 2.2.1 单元的选取与网格划分 | 第23-24页 |
| 2.2.2 材料力学性能定义 | 第24-25页 |
| 2.2.3 边界条件、载荷及步长定义 | 第25页 |
| 2.2.4 应变场模拟结果的分析 | 第25-29页 |
| 2.2.5 应力场模拟结果的分析 | 第29-32页 |
| 2.3 多次扫描时模拟结果的验证 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 3 钛合金薄板激光弯曲实验与分析 | 第35-44页 |
| 3.1 实验设备材料及方法 | 第35页 |
| 3.2 影响因素的分析 | 第35-39页 |
| 3.2.1 激光功率对弯曲角度的影响 | 第36-37页 |
| 3.2.2 扫描速率对弯曲角度的影响 | 第37-38页 |
| 3.2.3 扫描次数对弯曲角度的影响 | 第38页 |
| 3.2.4 线能量密度对弯曲角度的影响 | 第38-39页 |
| 3.3 激光弯曲成形钛合金样件的金相组织观测与硬度测试 | 第39-43页 |
| 3.3.1 金相组织观察与分析 | 第39-41页 |
| 3.3.2 硬度测试与分析 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 RBF网络与粒子群算法在激光弯曲成形中的应用 | 第44-56页 |
| 4.1 基于RBF网络的激光弯曲成形角度预测 | 第44-47页 |
| 4.1.1 RBF神经网络的建立 | 第44-45页 |
| 4.1.2 样本数据的采集 | 第45页 |
| 4.1.3 网络训练与仿真实验 | 第45-47页 |
| 4.2 基于粒子群算法的RBF网络泛化性提升 | 第47-51页 |
| 4.2.1 粒子群算法 | 第47页 |
| 4.2.2 优化对象的选择与适应度函数的确立 | 第47-48页 |
| 4.2.3 粒子群算法的建立与优化 | 第48-49页 |
| 4.2.4 优化结果的验证 | 第49-51页 |
| 4.3 基于粒子群算法的激光弯曲成形参数优化 | 第51-54页 |
| 4.3.1 粒子群算法适应度函数与参数设定 | 第51页 |
| 4.3.2 粒子群算法对工艺参数的优化 | 第51-52页 |
| 4.3.3 优化结果的验证 | 第52-54页 |
| 4.4 本章小结 | 第54-56页 |
| 5 结论与展望 | 第56-58页 |
| 5.1 本文主要工作与结论 | 第56-57页 |
| 5.2 进一步研究工作展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 攻读硕士期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-62页 |
| 附录 RBF神经网络样本数据 | 第62-63页 |