人工智能算法在GTAW焊接中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题背景 | 第10页 |
| ·人工神经网络在焊接过程中的应用 | 第10-12页 |
| ·ANN在焊接工艺参数设计中的应用 | 第10-11页 |
| ·人工神经网络在焊接过程控制中的应用 | 第11页 |
| ·人工神经网络在性能预测中的应用 | 第11-12页 |
| ·粒子群算法 | 第12-13页 |
| ·粒子群算法在神经网络中的应用 | 第12页 |
| ·粒子群算法在多目标优化中的应用 | 第12-13页 |
| ·粒子群优化算法在线性规划中的应用 | 第13页 |
| ·工程设计与优化领域 | 第13页 |
| ·焊接专家系统的研究现状 | 第13-15页 |
| ·专家系统与神经网络结合 | 第15-16页 |
| ·本文主要研究内容 | 第16-18页 |
| 第2章 粒子群优化算法 | 第18-27页 |
| ·引言 | 第18页 |
| ·标准的粒子群算法 | 第18-20页 |
| ·算法原理 | 第18-19页 |
| ·算法流程 | 第19-20页 |
| ·改进的粒子群算法 | 第20-23页 |
| ·惯性权重的修正 | 第20-21页 |
| ·离散PSO | 第21页 |
| ·带空间邻域的PSO | 第21-22页 |
| ·混合算法 | 第22-23页 |
| ·全局最优自适应变异的粒子群算法 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 GTAW焊接过程软测量模型 | 第27-36页 |
| ·软测量技术原理 | 第27-28页 |
| ·软测量思想 | 第27-28页 |
| ·辅助变量的选择 | 第28页 |
| ·人工神经网络软测量建模方法 | 第28-30页 |
| ·GBAMPSO优化的BP神经网络 | 第30-31页 |
| ·GTAW焊接过程系统 | 第31-33页 |
| ·系统介绍 | 第31页 |
| ·辅助变量的选择 | 第31-32页 |
| ·PCA数据降维 | 第32-33页 |
| ·GTAW过程GBAMPSO-BPNN模型建立 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 GTAW焊接工艺及设备专家系统的设计 | 第36-51页 |
| ·专家系统的结构和原理 | 第36-38页 |
| ·专家系统的特点 | 第36-37页 |
| ·专家系统的要素 | 第37-38页 |
| ·焊接专家系统的功能设计 | 第38-40页 |
| ·GTAW焊接专家系统的结构 | 第38-39页 |
| ·功能模块列表 | 第39-40页 |
| ·焊接工艺模块设计 | 第40页 |
| ·知识库管理模块设计 | 第40-47页 |
| ·知识获取方式 | 第41-42页 |
| ·知识表示 | 第42-43页 |
| ·基于神经网络的知识在线获取 | 第43-46页 |
| ·知识库的维护 | 第46-47页 |
| ·GTAW焊接专家系统推理机的设计 | 第47-48页 |
| ·设备库模块设计 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 GTAW焊接工艺及设备专家系统的实现 | 第51-67页 |
| ·开发工具简介 | 第51-52页 |
| ·系统设置 | 第52-54页 |
| ·系统登录 | 第52-53页 |
| ·添加用户 | 第53页 |
| ·修改密码 | 第53-54页 |
| ·焊接规范的查询与设计 | 第54-58页 |
| ·工艺知识库查询 | 第55-57页 |
| ·规则库的查询 | 第57-58页 |
| ·设备选型模块 | 第58-63页 |
| ·设备浏览展示 | 第58-61页 |
| ·设备查询展示 | 第61-62页 |
| ·设备添加展示 | 第62-63页 |
| ·基于BP神经网络的焊接规范制定 | 第63-66页 |
| ·网络的权阈值训练结果 | 第64-65页 |
| ·神经网络估计结果 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| ·结论 | 第67页 |
| ·展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士期间发表的学术论文 | 第76页 |
