| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-13页 |
| ·选题背景及意义 | 第7-8页 |
| ·传统的点焊质量检测及分析技术 | 第8-9页 |
| ·人工智能技术在点焊监测中的应用 | 第9-10页 |
| ·人工神经网络技术的发展及现状 | 第10-11页 |
| ·本文研究内容 | 第11-13页 |
| 第2章 参数采集处理系统 | 第13-19页 |
| ·参数采集处理系统硬件部分 | 第13-16页 |
| ·电流信号采集系统 | 第13-14页 |
| ·电压信号采集系统 | 第14-15页 |
| ·信号A/D转换系统 | 第15-16页 |
| ·参数采集处理系统软件部分 | 第16-19页 |
| 第3章 不锈钢点焊试验分析及神经网络参数确定 | 第19-25页 |
| ·试验及结果分析 | 第19-24页 |
| ·神经网络参数的确定 | 第24-25页 |
| 第4章 基于BP 神经网络的不锈钢电阻点焊质量模型 | 第25-56页 |
| ·人工神经网络模型 | 第25-36页 |
| ·人工神经网络的基础 | 第25-26页 |
| ·神经元MP模型 | 第26-28页 |
| ·感知器模型 | 第28-30页 |
| ·多层前馈网络与BP学习算法 | 第30-36页 |
| ·BP神经网络的构建 | 第36-42页 |
| ·确定神经网络输入层 | 第37-38页 |
| ·确定神经网络输出层 | 第38-39页 |
| ·确定神经网络隐含层神经元数目 | 第39-42页 |
| ·BP神经网络的初始化 | 第42-43页 |
| ·BP神经网络的训练 | 第43-46页 |
| ·BP神经网络的检验 | 第46-51页 |
| ·BP神经网络训练后仿真 | 第47-48页 |
| ·BP神经网络训练后误差比 | 第48-51页 |
| ·BP神经网络的输出 | 第51-53页 |
| ·BP神经网络的缺点及解决方法 | 第53-56页 |
| 第5章 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 摘要 | 第61-63页 |
| Abstract | 第63-65页 |
| 致谢 | 第65页 |