首页--工业技术论文--化学工业论文--合成树脂与塑料工业论文--一般性问题论文--生产过程与生产工艺论文--成型加工论文

基于蚁群神经网络的家电壳体注塑成型质量预测

致谢第1-5页
摘要第5-6页
ABSTRACT第6-8页
目录第8-10页
第一章 绪论第10-19页
   ·家电壳体注塑成型研究背景及意义第10-11页
   ·注塑成型及优化技术国内外研究现状第11-15页
     ·注塑成型质量及预测研究现状第11-12页
     ·注塑参数优化研究现状第12-14页
     ·蚁群神经网络算法的研究现状第14-15页
   ·本文的主要研究内容和技术路线第15-18页
     ·论文的主要研究内容第15-17页
     ·论文的技术路线第17-18页
   ·本章小结第18-19页
第二章 基于MoldFlow的注塑成型数值模拟第19-29页
   ·数值模拟技术第19-20页
     ·有限差分方法(FDM)第19页
     ·边界元方法(BEM)第19-20页
     ·有限元方法(FEM)第20页
   ·注塑成型数值模拟技术第20-24页
     ·塑料成型模拟技术研究现状第20-21页
     ·注塑模CAE技术第21-22页
     ·数值模拟软件介绍第22-24页
   ·基于MoldFlow的液晶电视后壳体成形过程仿真第24-28页
   ·本章小结第28-29页
第三章 基于实验方法的注塑成型工艺设计第29-45页
   ·实验设计法第29-30页
     ·正交试验设计第29-30页
     ·均匀试验设计第30页
   ·基于均匀实验的复合参数注塑工艺设计第30-35页
     ·均匀设计与均匀设计表第30-32页
     ·注塑成型质量评价参数确定第32-33页
     ·均匀实验在复合参数注塑工艺设计中的应用第33-35页
   ·基于SPSS的均匀实验数据分析第35-44页
     ·回归分析相关理论基础第35-37页
     ·回归方程的创建第37-41页
     ·基于回归模型的因素影响因子分析第41-42页
     ·基于回归模型的残差分析及预测结果评价第42-44页
   ·本章小结第44-45页
第四章 基于人工神经网络的翘曲预测模型构建第45-58页
   ·人工神经网络的概述第45-47页
     ·人工神经网络的原理第45-46页
     ·人工神经网络的特点及应用第46-47页
   ·BP人工神经网络理论第47-49页
   ·翘曲预测的BP神经网络模型构建第49-57页
     ·确定翘曲预测模型BP神经网络结构第50页
     ·神经网络训练样本数据预处理第50-51页
     ·分离训练样本与校验样本第51页
     ·确定翘曲预测模型BP神经网络参数第51-54页
     ·BP神经网络预测精度检验第54-57页
   ·本章小结第57-58页
第五章 蚁群神经网络(ACO-BPNN)的提出及实现第58-71页
   ·蚁群算法概述第58-62页
     ·蚁群算法的原理与机制第58-60页
     ·蚁群算法的基本特点第60页
     ·蚁群算法的实现第60-62页
   ·蚁群算法参数选择原则第62-64页
     ·信息启发式因子的选择第63页
     ·期望启发式因子的选择第63页
     ·信息素残留因子的选择第63页
     ·信息素强度的选择第63-64页
     ·蚂蚁数目的选择第64页
   ·蚁群神经网络(ACO-BPNN)第64-70页
     ·蚁群神经网络的提出第64-65页
     ·蚁群神经网络方法的实现第65-68页
     ·蚁群神经网络的算法测试第68-70页
   ·本章小结第70-71页
第六章 蚁群神经网络在家电壳体成型预测中的应用第71-80页
   ·样本数据构建第71页
   ·ACO-BPNN结构和参数第71-72页
   ·实验结果及分析第72-79页
     ·ACO-BPNN与BPNN预测结果的数据对比第73页
     ·ACO-BPNN与BPNN预测结果的图表对比第73-77页
     ·ACO-BPNN在不同划分刻度的结果对比第77-78页
     ·输出最优权值和阈值结果第78-79页
   ·本章小结第79-80页
第七章 总结与展望第80-82页
   ·研究工作总结第80-81页
   ·研究工作展望第81-82页
参考文献第82-86页
攻读硕士期间发表的论文第86页

论文共86页,点击 下载论文
上一篇:采用添加剂表面改性和洗涤废水提高低阶煤成浆性的研究
下一篇:预测控制在注射速度控制中的应用研究