| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-17页 |
| ·论文研究背景 | 第9-10页 |
| ·相关领域的国内外研究现状 | 第10-14页 |
| ·DFX 的国内外研究现状 | 第10-12页 |
| ·面向成本设计（DFC）的国内外研究现状 | 第12-13页 |
| ·成本估算的国内外研究现状 | 第13-14页 |
| ·论文研究目的及意义 | 第14页 |
| ·本文主要研究内容 | 第14-15页 |
| ·本章小结 | 第15-17页 |
| 2 机电产品面向成本设计（DFC）的基础理论 | 第17-31页 |
| ·机电产品开发中的设计概述 | 第17-22页 |
| ·产品设计的一般过程 | 第17-19页 |
| ·机电产品的概念设计 | 第19-22页 |
| ·面向成本设计概述 | 第22页 |
| ·全生命周期成本含义及重要性 | 第22-23页 |
| ·DFC 中的特征映射技术 | 第23-27页 |
| ·特征的定义和分类 | 第24页 |
| ·特征映射 | 第24-25页 |
| ·特征映射方法分类 | 第25-27页 |
| ·全生命周期成本估算方法研究 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 3 面向成本设计（DFC）在机电产品中的应用 | 第31-51页 |
| ·机电产品的 DFC 工作流程 | 第31-32页 |
| ·机电产品的全生命周期成本构成 | 第32-33页 |
| ·机电产品概念设计特征获取 | 第33-35页 |
| ·机电产品面向成本设计中的特征映射 | 第35-36页 |
| ·基于 RBF 神经网络的机电产品 LCC 估算模型 | 第36-43页 |
| ·RBF 神经网络模型 | 第36-41页 |
| ·基于 MATLAB 工具箱的 RBF 网络估算模型设计 | 第41-43页 |
| ·基于 BP 神经网络的机电产品 LCC 估算模型 | 第43-49页 |
| ·BP 神经网络模型 | 第43-47页 |
| ·基于 MATLAB 工具箱的 BP 网络估算模型设计 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 4 DFC 的应用案例 | 第51-65页 |
| ·应用背景 | 第51页 |
| ·初步设计方案的生成 | 第51-53页 |
| ·基于人工神经网络的 LCC 估算 | 第53-63页 |
| ·输入、输出数据的处理 | 第54-56页 |
| ·网络训练样本数据的收集 | 第56-59页 |
| ·估算模型的建立 | 第59页 |
| ·网络训练 | 第59-63页 |
| ·LCC 总成本估算及方案选取 | 第63页 |
| ·本章小结 | 第63-65页 |
| 5 结论及展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 图表清单 | 第73-75页 |
| 附录 | 第75-77页 |
| A. 攻读硕士学位期间参加的主要科研项目 | 第75页 |
| B. 攻读硕士学位期间获奖情况 | 第75-77页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第77页 |
