| 中文摘要 I | 第1-5页 |
| 英文摘要 II | 第5-9页 |
| 1 绪论 | 第9-16页 |
| 1．1 课题的提出 | 第9-10页 |
| 1．2 人工神经网络在塑性成形领域中的应用研究 | 第10-13页 |
| 1．2．1 在专家系统、缺陷诊断及本构关系描述中的应用 | 第10-11页 |
| 1．2．2 在板材成形中的应用 | 第11页 |
| 1．2．3 在模具设计与制造中的应用 | 第11-12页 |
| 1．2．4 材料参数识别中的应用 | 第12页 |
| 1．2．5 现状与应用前景 | 第12-13页 |
| 1．3 课题的研究内容及其意义 | 第13-16页 |
| 2 人工神经网络简介 | 第16-30页 |
| 2．1 引言 | 第16页 |
| 2．2 人工神经网络研究的起源 | 第16-17页 |
| 2．3 人工神经网络的典型模型 | 第17-19页 |
| 2．4 神经元及其特性 | 第19-20页 |
| 2．5 人工神经网络的基本结构 | 第20页 |
| 2．6 人工神经网络的主要学习算法 | 第20-21页 |
| 2．7 误差逆传播网络（BP网络） | 第21-28页 |
| 2．7．1 BP网络结构 | 第21-22页 |
| 2．7．2 BP网络学习公式推导 | 第22-27页 |
| 2．7．3 BP网络的设计分析 | 第27-28页 |
| 2．8 BP网络的不足及其改进 | 第28-30页 |
| 3 筒形件拉深工艺分析 | 第30-43页 |
| 3．1 拉深工艺过程特点 | 第30页 |
| 3．2 圆筒形零件拉深时的变形特点 | 第30-35页 |
| 3．2．1 拉深变形过程分析 | 第30-32页 |
| 3．2．2 拉深过程各分区的应力应变状态 | 第32-33页 |
| 3．2．3 筒形件拉深变形区应力应变分析 | 第33-35页 |
| 3．3 筒形件首次拉深极限的讨论 | 第35-43页 |
| 3．3．1 极限拉深系数[m]公式推导 | 第35-39页 |
| 3．3．2 极限拉深系数影响因素分析 | 第39-43页 |
| 4 神经网络技术在筒形件拉深极限求解中的应用 | 第43-52页 |
| 4．1 传统的工艺设计中的不足 | 第43页 |
| 4．2 神经网络模型的建立 | 第43-47页 |
| 4．2．1 神经网络模型的选择 | 第43-44页 |
| 4．2．2 BP网络结构设计原理 | 第44-45页 |
| 4．2．3 BP网络结构确定 | 第45-47页 |
| 4．3 BP神经网络的学习 | 第47-49页 |
| 4．4 计算结果分析 | 第49-50页 |
| 4．5 结论 | 第50-52页 |
| 5 基于BP神经网络的筒形件极限拉深系数预测系统软件介绍 | 第52-61页 |
| 5．1 软件开发过程简介 | 第52-55页 |
| 5．1．1 开发工具选择 | 第52-53页 |
| 5．1．2 软件开发主要实现步骤 | 第53-54页 |
| 5．1．3 软件开发具体实现 | 第54-55页 |
| 5．2 软件使用简介 | 第55-61页 |
| 6 结论 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |