| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-22页 |
| 1-1 材料设计的现状与发展 | 第8-10页 |
| 1-1-1 材料设计的现状与发展 | 第8-9页 |
| 1-1-2 材料设计的发展趋势 | 第9-10页 |
| 1-2 人工智能方法的发展与应用 | 第10-17页 |
| 1-2-1 人工智能的发展及应用领域 | 第10-11页 |
| 1-2-2 专家系统 | 第11-13页 |
| 1-2-3 人工神经网络 | 第13-15页 |
| 1-2-4 神经网络专家系统 | 第15-17页 |
| 1-3 人工智能在材料设计与加工中的应用 | 第17-20页 |
| 1-3-1 专家系统在材料设计中的应用 | 第17页 |
| 1-3-2 人工神经网络在材料设计与加工中的应用 | 第17-19页 |
| 1-3-3 神经网络专家系统在材料设计与加工中的应用 | 第19-20页 |
| 1-4 课题的意义及研究目标 | 第20-22页 |
| 1-4-1 课题的提出及意义 | 第20-21页 |
| 1-4-2 课题的研究目标 | 第21-22页 |
| 第二章 人工神经网络专家系统的界面设计 | 第22-29页 |
| 2-1 人工神经网络专家系统的总体设计结构 | 第22页 |
| 2-2 人工神经网络专家系统人机界面的设计 | 第22-28页 |
| 2-2-1 数据的添加 | 第23-25页 |
| 2-2-2 学习界面 | 第25-26页 |
| 2-2-3 预测界面 | 第26-27页 |
| 2-2-4 优化界面 | 第27-28页 |
| 2-3 本章小结 | 第28-29页 |
| 第三章 人工神经网络专家系统程序的设计 | 第29-38页 |
| 3-1 BP神经网络模型 | 第29-30页 |
| 3-2 BP算法的学习过程 | 第30-34页 |
| 3-3 BP算法预测程序 | 第34-35页 |
| 3-4 BP算法成分优化程序 | 第35-37页 |
| 3-5 本章小结 | 第37-38页 |
| 第四章 铁基耐蚀合金性能的预测 | 第38-46页 |
| 4-1 合金元素对铁基合金耐蚀性能影响的预测 | 第38-40页 |
| 4-1-1 模型的建立 | 第38-40页 |
| 4-1-2 权值和阈值矩阵 | 第40页 |
| 4-2 网络的预测值与实验实测值的比较 | 第40-45页 |
| 4-2-1 Si元素含量对腐蚀速率和抗弯强度的影响 | 第41-42页 |
| 4-2-2 C元素含量对腐蚀速率和抗弯强度的影响 | 第42-43页 |
| 4-2-3 Mn元素含量对腐蚀速率和抗弯强度的影响 | 第43-45页 |
| 4-3 本章小结 | 第45-46页 |
| 第五章 耐熔锌腐蚀合金成分的优化 | 第46-52页 |
| 5-1 耐蚀合金成分的优化试样制备 | 第46-47页 |
| 5-2 样品制备与试验方法 | 第47-48页 |
| 5-2-1 液锌腐蚀实验 | 第47页 |
| 5-2-2 液锌腐蚀速率的测算 | 第47-48页 |
| 5-2-3 抗弯强度的测定 | 第48页 |
| 5-3 试验结果与分析 | 第48-51页 |
| 5-3-1 液锌腐蚀实验 | 第48-49页 |
| 5-3-2 抗弯强度预测值与实测值的比较与分析 | 第49页 |
| 5-3-3 腐蚀速率预测值与实测值的比较与分析 | 第49-51页 |
| 5-4 本章小结 | 第51-52页 |
| 第六章 结论 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间所获得的相关科研成果 | 第59页 |
