| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 研究目的及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 装夹布局优化的研究现状 | 第9-11页 |
| 1.2.2 薄壁件铣削加工变形预测的研究现状 | 第11-12页 |
| 1.2.3 现有研究不足 | 第12-13页 |
| 1.3 研究内容及研究方法 | 第13-15页 |
| 1.3.1 薄壁件铣削加工过程中工件变形预测的研究内容 | 第13-14页 |
| 1.3.2 薄壁件铣削加工过程中工件变形预测的研究方法 | 第14-15页 |
| 1.4 论文的章节安排 | 第15-17页 |
| 第2章 航空薄壁件的装夹规划与建模 | 第17-32页 |
| 2.1 引言 | 第17页 |
| 2.2 平衡方程 | 第17-18页 |
| 2.3 约束条件 | 第18-19页 |
| 2.4 目标函数 | 第19页 |
| 2.5 有限元变形仿真的理论基础 | 第19-21页 |
| 2.5.1 材料本构关系 | 第20页 |
| 2.5.2 分离准则 | 第20页 |
| 2.5.3 刀-屑接触模型和摩擦模型 | 第20-21页 |
| 2.5.4 热传导控制方程 | 第21页 |
| 2.6 有限元变形仿真 | 第21-31页 |
| 2.6.1 航空框类薄壁件装夹变形有限元仿真 | 第21-27页 |
| 2.6.2 薄壁件铣削有限元仿真 | 第27-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第3章 基于遗传算法的薄壁件装夹布局规划 | 第32-47页 |
| 3.1 引言 | 第32页 |
| 3.2 遗传算法 | 第32-35页 |
| 3.2.1 遗传算法原理 | 第32-34页 |
| 3.2.2 遗传算法特点 | 第34-35页 |
| 3.2.2.1 遗传算法的优点 | 第34-35页 |
| 3.2.2.2 遗传算法的不足 | 第35页 |
| 3.3 薄壁件螺栓装夹布局的规划方法 | 第35-46页 |
| 3.3.1 有限元建模 | 第35-36页 |
| 3.3.2 优化模型 | 第36页 |
| 3.3.3 求解技术 | 第36-39页 |
| 3.3.4 实例应用 | 第39-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于BP神经网络薄壁件铣削加工变形预测研究 | 第47-60页 |
| 4.1 引言 | 第47页 |
| 4.2 人工神经网络 | 第47-59页 |
| 4.2.1 人工神经网络的起源及发展 | 第47-48页 |
| 4.2.2 BP神经网络 | 第48-51页 |
| 4.2.2.1 BP神经网络结构 | 第48-49页 |
| 4.2.2.2 训练样本的选取 | 第49-50页 |
| 4.2.2.3 神经网络的训练 | 第50页 |
| 4.2.2.3 神经网络的结果 | 第50-51页 |
| 4.2.3 实例应用 | 第51-59页 |
| 4.2.3.1 神经网络各层节点的确定 | 第51-52页 |
| 4.2.3.2 训练样本的选取 | 第52-54页 |
| 4.2.3.3 初始权值和阈值的优化 | 第54-58页 |
| 4.2.3.4 优化设计变量 | 第58-59页 |
| 4.3 本章小结 | 第59-60页 |
| 第5章 航空薄壁件装夹布局优化研究 | 第60-69页 |
| 5.1 引言 | 第60页 |
| 5.2 有限元建模 | 第60-61页 |
| 5.3 加工变形的预测方法 | 第61-63页 |
| 5.3.1 神经网络的层数选择及节点数的选择 | 第61-62页 |
| 5.3.2 训练样本的选取 | 第62-63页 |
| 5.3.3 优化初始权值和阈值 | 第63页 |
| 5.4 夹紧元件位置的优化 | 第63-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间发表论文及参和科研情况 | 第74-75页 |
| 致谢 | 第75-76页 |
