| 附件 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-14页 |
| 第一章 绪论 | 第14-29页 |
| ·研究背景和课题来源 | 第14-15页 |
| ·国内外研究现状 | 第15-26页 |
| ·缸盖燃烧室容积检测数据分析方法 | 第15-19页 |
| ·缸盖毛坯铸造工艺分析与质量控制 | 第19-23页 |
| ·缸盖机加工工艺参数优化 | 第23-25页 |
| ·文献小结 | 第25-26页 |
| ·论文结构与主要内容 | 第26-29页 |
| 第二章 汽车发动机缸盖制造工艺流程分析 | 第29-49页 |
| ·引言 | 第29页 |
| ·汽车发动机缸盖制造工艺流程 | 第29-33页 |
| ·缸盖毛坯铸造工艺过程 | 第29-31页 |
| ·缸盖机加工工艺过程 | 第31-32页 |
| ·缸盖生产工艺过程燃烧室影响因素提取 | 第32-33页 |
| ·缸盖燃烧室容积数据检测和质量控制要求 | 第33-35页 |
| ·缸盖毛坯铸造过程燃烧室控制 | 第33-34页 |
| ·缸盖机加工过程燃烧室控制 | 第34-35页 |
| ·缸盖燃烧室容积波动模式分析 | 第35-39页 |
| ·多套铸造模具差异分析 | 第35-37页 |
| ·单一模具状态变化分析 | 第37-39页 |
| ·基于集合经验模态分解的波动周期和趋势提取 | 第39-43页 |
| ·集合经验模态分解(EEMD) | 第39-41页 |
| ·EEMD 方法验证 | 第41-43页 |
| ·工程应用 | 第43-48页 |
| ·EEMD 方法参数选择 | 第43页 |
| ·缸盖燃烧室测量数据分析 | 第43-48页 |
| ·本章小结 | 第48-49页 |
| 第三章 缸盖毛坯铸造过程燃烧室容积制造误差控制 | 第49-69页 |
| ·引言 | 第49页 |
| ·传统缸盖铸造模具检测和质量控制方法 | 第49-51页 |
| ·基于凸五面体累加的离散模型体积计算 | 第51-54页 |
| ·基于凸五面体累加的体积计算方法 | 第51-52页 |
| ·体积计算方法实例验证 | 第52-54页 |
| ·缸盖铸造模具点偏差对燃烧室容积影响研究 | 第54-60页 |
| ·数据准备 | 第54-56页 |
| ·改进的谱聚类算法 | 第56-58页 |
| ·聚类算法验证 | 第58-59页 |
| ·聚类结果 | 第59-60页 |
| ·测点优化布置 | 第60-62页 |
| ·工程应用 | 第62-66页 |
| ·模型离散化与体积求解 | 第62-63页 |
| ·基于谱聚类的模型区域划分 | 第63-66页 |
| ·本章小结 | 第66-69页 |
| 第四章 面向误差补偿的缸盖机加工参数优化选取 | 第69-98页 |
| ·引言 | 第69页 |
| ·传统机加工参数选择方法 | 第69-73页 |
| ·机加工对容积影响 | 第69-70页 |
| ·传统机加工参数确定方式 | 第70-73页 |
| ·加工过程监控数据关联与不平衡数据集处理 | 第73-87页 |
| ·燃烧室凸台到底面高度与燃烧室容积时间序列关联 | 第73-75页 |
| ·不平衡数据集处理 | 第75-87页 |
| ·工艺参数-容积误差模型构建 | 第87-93页 |
| ·Hopfield 神经网络结构 | 第87-89页 |
| ·Hopfield 神经网络学习过程 | 第89-90页 |
| ·Hopfield 神经网络神经元数与权值矩阵设计方法 | 第90-91页 |
| ·Hopfield 网络改进 | 第91-92页 |
| ·Hopfield 网络设计 | 第92-93页 |
| ·工程应用 | 第93-96页 |
| ·数据描述 | 第93-94页 |
| ·Hopfield 网络建立 | 第94-96页 |
| ·本章小结 | 第96-98页 |
| 第五章 全文总结与展望 | 第98-102页 |
| ·主要研究工作及结论 | 第98-99页 |
| ·创新点 | 第99-100页 |
| ·研究展望 | 第100-102页 |
| 参考文献 | 第102-109页 |
| 致谢 | 第109-110页 |
| 攻读硕士学位期间已发表或录用的论文 | 第110页 |