| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 注塑成型概述 | 第16页 |
| 1.2 注塑成型CAE国内外研究概况 | 第16-19页 |
| 1.2.1 注塑成型CAE国外研究概况 | 第17-18页 |
| 1.2.2 注塑成型CAE国内研究概况 | 第18-19页 |
| 1.3 课题的主要研究内容 | 第19-20页 |
| 第二章 汽车前保险杠的注塑成型模拟分析 | 第20-30页 |
| 2.1 Moldflow软件介绍 | 第20-21页 |
| 2.2 汽车前保险杠模型的导入与网格处理 | 第21-23页 |
| 2.2.1 前保险杠模型的导入 | 第21-22页 |
| 2.2.2 前保险杠的网格划分与修复 | 第22-23页 |
| 2.3 汽车前保险杠的分析前处理 | 第23-27页 |
| 2.3.1 设置前保险杠的分析序列及材料选取 | 第23-24页 |
| 2.3.2 建立前保险杠的浇注系统 | 第24-26页 |
| 2.3.3 建立前保险杠的冷却系统 | 第26-27页 |
| 2.3.4 设置前保险杠的工艺参数 | 第27页 |
| 2.4 汽车前保险杠初始分析结果 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 前保险杆翘曲变形的分析及优化 | 第30-43页 |
| 3.1 翘曲变形简介 | 第30页 |
| 3.2 基于正交实验的汽车前保险杠翘曲变形工艺参数优化 | 第30-34页 |
| 3.2.1 正交实验设计 | 第31-32页 |
| 3.2.2 前保险杆翘曲变形正交实验结果及分析 | 第32-33页 |
| 3.2.3 前保险杠正交实验优化后的结果及分析 | 第33-34页 |
| 3.3 基于均匀实验设计的汽车前保险杠翘曲变形工艺参数优化 | 第34-42页 |
| 3.3.1 均匀实验设计 | 第35-36页 |
| 3.3.2 回归分析简介 | 第36-37页 |
| 3.3.3 基于SPSS的前保险杆翘曲变形均匀实验数据分析 | 第37-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 前保险杆多目标的工艺参数分析优化 | 第43-63页 |
| 4.1 多目标优化简介 | 第43页 |
| 4.2 基于综合平衡法的汽车前保险杠多目标优化 | 第43-48页 |
| 4.2.1 多目标综合平衡法简介 | 第43-44页 |
| 4.2.2 前保险杆体积收缩率正交实验结果及分析 | 第44-46页 |
| 4.2.3 运用综合平衡法对翘曲变形量和体积收缩率进行优化 | 第46-47页 |
| 4.2.4 工艺参数优化后的结果分析 | 第47-48页 |
| 4.3 基于综合评分法的汽车前保险杠多目标优化 | 第48-52页 |
| 4.3.1 多目标综合评分法简介 | 第48页 |
| 4.3.2 运用综合评分法对翘曲变形量和体积收缩率进行优化 | 第48-51页 |
| 4.3.3 工艺参数优化后的结果分析 | 第51-52页 |
| 4.4 基于灰关联度的汽车前保险杠多目标优化 | 第52-62页 |
| 4.4.1 灰关联度分析方法简介 | 第52-55页 |
| 4.4.2 运用灰关联分析法对翘曲变形量和体积收缩率进行优化 | 第55-61页 |
| 4.4.3 优化后的结果分析 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 基于BP神经网络的预测模型 | 第63-74页 |
| 5.1 人工神经网络 | 第63-66页 |
| 5.1.1 人工神经网络的发展 | 第63-64页 |
| 5.1.2 人工神经网络模型及其算法 | 第64-66页 |
| 5.2 BP神经网络 | 第66-68页 |
| 5.2.1 BP神经网络简介 | 第66页 |
| 5.2.2 BP神经网络模型 | 第66-67页 |
| 5.2.3 BP神经网络算法 | 第67-68页 |
| 5.3 基于BP神经网络的前保险杠指标预测 | 第68-73页 |
| 5.3.1 前保险杠BP神经网络模型的建立 | 第68-71页 |
| 5.3.2 前保险杠BP神经网络的训练和测试结果 | 第71-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 全文总结 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第80页 |
