| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·选题背景及意义 | 第10-11页 |
| ·注塑成型技术概述 | 第11-13页 |
| ·注塑过程 | 第11-12页 |
| ·注塑成型设备 | 第12页 |
| ·注塑成型中的主要工艺参数 | 第12-13页 |
| ·注塑成型CAE技术的发展及应用概况 | 第13-17页 |
| ·注射成型CAE概念 | 第13页 |
| ·注塑模CAE的发展状况 | 第13-14页 |
| ·注塑成型工艺优化的研究现状 | 第14-17页 |
| ·本文的主要研究内容和工作 | 第17-18页 |
| 第二章 注塑成型过程数值模拟的基本原理 | 第18-37页 |
| ·聚合物熔体的流变学性质 | 第18-21页 |
| ·牛顿流体及其流变行为 | 第18页 |
| ·非牛顿流体及其流变行为 | 第18-19页 |
| ·影响聚合物剪切黏度的工艺因素 | 第19-21页 |
| ·注塑成型流动过程的数学模型 | 第21-27页 |
| ·充填过程的数学描述 | 第21-25页 |
| ·保压过程的数学模型 | 第25-26页 |
| ·冷却过程的数学模型 | 第26-27页 |
| ·MoldFlow软件介绍 | 第27-30页 |
| ·MoldFlow软件的作用 | 第28页 |
| ·MoldFlow功能介绍[59-60] | 第28-30页 |
| ·注塑成型制品的常见缺陷及解决措施 | 第30-37页 |
| ·熔接线 | 第30-31页 |
| ·翘曲 | 第31-32页 |
| ·气泡 | 第32-33页 |
| ·短射 | 第33-34页 |
| ·沉降斑 | 第34页 |
| ·龟裂 | 第34-35页 |
| ·飞边 | 第35-37页 |
| 第三章 基于Taguchi技术和统计回归的注塑成型工艺优化 | 第37-59页 |
| ·CAE分析的前处理 | 第37-38页 |
| ·Taguchi设计简介及应用 | 第38-40页 |
| ·正交试验设计及数据分析 | 第40-48页 |
| ·注塑工艺参数和优化目标的选定 | 第40-41页 |
| ·试验设计和模拟实验结果 | 第41-42页 |
| ·各参数对收缩率的影响趋势和显著性分析 | 第42-44页 |
| ·各参数对翘曲的影响趋势和显著性分析 | 第44-46页 |
| ·各参数对沉降斑的影响趋势和显著性分析 | 第46-48页 |
| ·基于回归分析的制品缺陷预测模型的建立 | 第48-59页 |
| ·多元线性回归模型的一般形式 | 第48-50页 |
| ·Design Expert软件简介 | 第50-51页 |
| ·试验数据的统计处理 | 第51-53页 |
| ·统计回归模型的建立 | 第53-56页 |
| ·多目标的最佳工艺参数预测 | 第56-59页 |
| 第四章 基于人工神经网络的注塑成型工艺优化 | 第59-76页 |
| ·人工神经网络的发展和应用 | 第59-60页 |
| ·人工神经元 | 第60-62页 |
| ·人工神经元模型 | 第60-61页 |
| ·神经元激活函数 | 第61-62页 |
| ·人工神经网络 | 第62-64页 |
| ·神经网络的结构及工作方式 | 第62-63页 |
| ·人工神经网络的学习 | 第63页 |
| ·人工神经网络的特点 | 第63-64页 |
| ·BP神经网络模型 | 第64-68页 |
| ·BP神经网络的模型与结构 | 第64-65页 |
| ·BP神经网络的学习算法 | 第65-67页 |
| ·BP神经网络的算法改进 | 第67-68页 |
| ·制件工艺参数的设计 | 第68-71页 |
| ·CAE分析的模型建立 | 第69页 |
| ·正交实验设计及结果 | 第69-71页 |
| ·基于BP神经网络的注塑成型指标预测 | 第71-73页 |
| ·网络结构的选择 | 第71页 |
| ·数据的归一化处理 | 第71-72页 |
| ·层节点数的确定 | 第72页 |
| ·神经网络的训练与预测 | 第72-73页 |
| ·试验验证 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 总结与展望 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 攻读硕士学位期间取得的研究成果 | 第83-84页 |
| 致谢 | 第84-85页 |
| 附件 | 第85页 |