| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·引言 | 第11页 |
| ·注塑成型技术的原理 | 第11-12页 |
| ·翘曲变形量的影响因素 | 第12-15页 |
| ·浇注系统对塑件质量影响的研究进展 | 第12-13页 |
| ·成型工艺参数对塑件质量影响的研究进展 | 第13-15页 |
| ·选题的依据和意义 | 第15-16页 |
| ·课题的研究内容及技术路线 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 第二章 基于 Moldflow 的框形零件浇注系统优化 | 第19-44页 |
| ·概述 | 第19-21页 |
| ·Moldflow 分析流程 | 第21-22页 |
| ·成型材料的选择及浇注系统的建立 | 第22-28页 |
| ·成型材料的选择 | 第22-24页 |
| ·浇注系统的建立 | 第24-28页 |
| ·塑料熔体在成型过程中的流动行为 | 第28-33页 |
| ·塑料熔体在圆管中的流动行为 | 第28-31页 |
| ·塑料熔体在圆锥管道中的流动行为 | 第31页 |
| ·塑料熔体在平行板间的流动行为 | 第31-33页 |
| ·流动缺陷 | 第33页 |
| ·Moldflow 中的塑料熔体黏度模型 | 第33-34页 |
| ·Moldflow 模拟结果的分析 | 第34-41页 |
| ·框形零件在成型过程中产生翘曲的原因 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 试验设计与数据处理 | 第44-66页 |
| ·注塑过程中的成型工艺参数 | 第44-46页 |
| ·试验目的 | 第46页 |
| ·试验设备与试验材料 | 第46-49页 |
| ·试验设备 | 第46-48页 |
| ·试验材料 | 第48-49页 |
| ·框形零件翘曲变形量的测量方法 | 第49-50页 |
| ·框形零件的成型试验方法与步骤 | 第50-61页 |
| ·框形零件的试件制备 | 第51-52页 |
| ·成型工艺参数及其水平的确定 | 第52-57页 |
| ·正交试验数据分析 | 第57-61页 |
| ·全组合试验数据分析 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 第四章 人工神经网络模型建立及应用 | 第66-92页 |
| ·人工神经网络的发展 | 第66-67页 |
| ·人工神经网络的建立 | 第67-68页 |
| ·人工神经元模型 | 第67页 |
| ·BP 神经网络模型结构 | 第67-68页 |
| ·BP 神经网络模型设计 | 第68-72页 |
| ·网络层数的确定 | 第68页 |
| ·隐含层神经元数和激励函数的确定 | 第68-71页 |
| ·训练函数及自适应学习函数的选择 | 第71页 |
| ·动量系数mc和学习速率lr的选择 | 第71-72页 |
| ·BP 神经网络的工作过程 | 第72-74页 |
| ·BP 神经网络模型改进 | 第74-76页 |
| ·试验样本数据的选取及预处理 | 第76-77页 |
| ·MATLAB 神经网络工具箱 | 第77-78页 |
| ·BP 神经网络的训练及检验 | 第78-80页 |
| ·BP 神经网络模型的预测 | 第80-91页 |
| ·各成型工艺参数对翘曲变形量的影响 | 第80-87页 |
| ·成型工艺参数之间的交互作用对翘曲变形量的影响 | 第87-91页 |
| ·本章小结 | 第91-92页 |
| 第五章 遗传算法的应用 | 第92-105页 |
| ·遗传算法的发展 | 第92-93页 |
| ·遗传算法的设计 | 第93-99页 |
| ·确定问题参数集 | 第94页 |
| ·参数编码 | 第94-95页 |
| ·初始化种群设定 | 第95-96页 |
| ·适应度函数的设计 | 第96-97页 |
| ·遗传操作的设计和参数设定 | 第97-99页 |
| ·遗传算法计算推导 | 第99-101页 |
| ·模式定理 | 第99-101页 |
| ·动态分析 | 第101页 |
| ·MATLAB 遗传算法工具箱 | 第101-102页 |
| ·遗传算法优化成型工艺参数 | 第102-104页 |
| ·本章小结 | 第104-105页 |
| 第六章 总结与展望 | 第105-108页 |
| ·总结 | 第105-106页 |
| ·研究展望 | 第106-108页 |
| 附录 | 第108-116页 |
| 参考文献 | 第116-120页 |
| 攻读学位期间本人出版或公开发表的论著、论文 | 第120-121页 |
| 致谢 | 第121-122页 |