| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-27页 |
| ·现代制造业中的信息和知识 | 第13-14页 |
| ·冲压工艺设计智能技术的发展 | 第14-17页 |
| ·冲压工艺和模具设计 | 第14-15页 |
| ·冲模数字化与智能化设计 | 第15-17页 |
| ·数据挖掘技术的发展现状 | 第17-21页 |
| ·文献小结 | 第21页 |
| ·本文研究的意义 | 第21-22页 |
| ·本文研究的主要内容 | 第22-23页 |
| 本章参考文献 | 第23-27页 |
| 第二章 本文研究的技术背景 | 第27-42页 |
| ·数据挖掘的基本原理 | 第27-31页 |
| ·数据挖掘关键技术 | 第31-33页 |
| ·工艺设计中的数据挖掘 | 第33-34页 |
| ·智能设计关键技术 | 第34-39页 |
| ·智能设计的内涵 | 第34-36页 |
| ·知识表示 | 第36页 |
| ·知识获取 | 第36-38页 |
| ·知识推理 | 第38-39页 |
| ·本章小结 | 第39页 |
| 本章参考文献 | 第39-42页 |
| 第三章 集成数据挖掘技术的冲压工艺智能设计系统 | 第42-52页 |
| ·传统的冲压工艺智能设计 | 第42-43页 |
| ·冲压工艺设计中的数据挖掘 | 第43-45页 |
| ·设计理念 | 第43-44页 |
| ·设计流程 | 第44-45页 |
| ·融入数据挖掘的冲压工艺智能设计系统体系 | 第45-49页 |
| ·融入数据挖掘的冲压工艺智能设计的体系结构 | 第45-47页 |
| ·融入数据挖掘的冲压工艺智能设计的层次模型 | 第47-49页 |
| ·系统的特点 | 第49页 |
| ·系统关键技术 | 第49-50页 |
| ·冲压工艺智能设计综合信息模型 | 第49-50页 |
| ·基于知识的冲压工艺设计 | 第50页 |
| ·数据挖掘技术 | 第50页 |
| ·知识管理技术 | 第50页 |
| ·本章小结 | 第50页 |
| 本章参考文献 | 第50-52页 |
| 第四章 系统综合信息模型 | 第52-62页 |
| ·系统综合信息模型的结构 | 第52-53页 |
| ·冲压件特征信息模型 | 第53-54页 |
| ·冲压工艺信息模型 | 第54-57页 |
| ·AOS 树的概念 | 第54-56页 |
| ·基于AOS 树的冲压工艺方案表示 | 第56-57页 |
| ·冲压设计知识模型 | 第57-58页 |
| ·工艺设计知识的结构 | 第57-58页 |
| ·特征、工艺以及设计知识信息的集成 | 第58-60页 |
| ·特征、工艺以及设计知识模型间的关系 | 第58-59页 |
| ·系统信息模型内特征、工艺、知识信息传递机理 | 第59-60页 |
| ·冲压模具信息模型和冲压设备信息模型 | 第60-61页 |
| ·本章小结 | 第61页 |
| 本章参考文献 | 第61-62页 |
| 第五章 数据挖掘理论与算法 | 第62-77页 |
| ·数据挖掘方法的基本理论 | 第62-69页 |
| ·粗糙集理论（Rough Set Theory，RST） | 第62-64页 |
| ·主成分分析法（Principal Component Analysis，PCA） | 第64-66页 |
| ·人工神经网络（Artificial Neural Network，ANN） | 第66-69页 |
| ·数据挖掘算法 | 第69-76页 |
| ·连续属性离散算法 | 第69-70页 |
| ·粗糙集归纳学习算法 | 第70-74页 |
| ·主成分分析算法 | 第74-75页 |
| ·神经网络求解策略 | 第75-76页 |
| ·本章小结 | 第76页 |
| 本章参考文献 | 第76-77页 |
| 第六章 冲压工艺智能设计中数据挖掘的关联技术 | 第77-91页 |
| ·冲压工艺智能设计系统中数据挖掘模型 | 第77-78页 |
| ·面向冲压工艺设计的数据挖掘语言 | 第78-80页 |
| ·数值模拟结果数据模型 | 第80-82页 |
| ·数值模拟结果数据模型的表述 | 第80-81页 |
| ·EXPRESS 模型到C++的转换 | 第81-82页 |
| ·冲压工艺智能设计系统中的知识管理 | 第82-85页 |
| ·知识管理与数据挖掘和设计系统的关系 | 第82-83页 |
| ·知识评价 | 第83-84页 |
| ·知识求精 | 第84-85页 |
| ·冲压工艺设计决策推理机制 | 第85-90页 |
| ·冲压工艺设计任务分解策略 | 第86页 |
| ·冲压工艺设计知识结构模型 | 第86-87页 |
| ·黑板模型结构 | 第87-88页 |
| ·基于黑板的工艺决策机制 | 第88-90页 |
| ·本章小结 | 第90页 |
| 本章参考文献 | 第90-91页 |
| 第七章 基于实验数据的数据挖掘分析实例 | 第91-107页 |
| ·微型、高精度零件冲压成形实例 | 第91-97页 |
| ·产品描述 | 第91-92页 |
| ·冲压成形工艺分析 | 第92-94页 |
| ·分析模型 | 第94-96页 |
| ·实例分析 | 第96-97页 |
| ·弯曲件料展开长度的计算 | 第97-105页 |
| ·弯曲板料展开长度的计算 | 第98-100页 |
| ·ANN 计算板料展开长度 | 第100-101页 |
| ·神经网络模型的构建 | 第101-103页 |
| ·结果分析 | 第103-105页 |
| ·本章小结 | 第105页 |
| 本章参考文献 | 第105-107页 |
| 第八章 基于数值模拟结果的数据挖掘分析实例 | 第107-119页 |
| ·基于U 形弯曲数值模拟结果的数据挖掘分析实例 | 第107-114页 |
| ·U 形弯曲回弹分析 | 第107-109页 |
| ·分析流程 | 第109-110页 |
| ·U 形弯曲数值模拟分析 | 第110-114页 |
| ·基于覆盖件数值模拟结果的数据挖掘 | 第114-118页 |
| ·汽车门内板数值模拟结果分析实例 | 第114-116页 |
| ·实例分析 | 第116-118页 |
| ·本章小结 | 第118页 |
| 本章参考文献 | 第118-119页 |
| 第九章 结论与展望 | 第119-121页 |
| 作者在攻读博士学位期间完成的论文 | 第121-122页 |
| 致谢 | 第122页 |
