镁合金微弧氧化膜厚的神经网络预测模型
| 插图索引 | 第1-10页 |
| 插表索引 | 第10-11页 |
| 摘要 | 第11-12页 |
| Abstract | 第12-14页 |
| 第1章 绪论 | 第14-25页 |
| ·镁的耐蚀性问题及防护方法 | 第14-16页 |
| ·镁合金的耐蚀性问题 | 第14-15页 |
| ·镁合金的腐蚀防护 | 第15-16页 |
| ·微弧氧化表面处理技术 | 第16-18页 |
| ·微弧氧化简介 | 第16-17页 |
| ·微弧氧化的工艺特点 | 第17-18页 |
| ·微弧氧化膜层特点及应用范围 | 第18页 |
| ·微弧氧化技术的研究现状 | 第18-21页 |
| ·国外微弧氧化工艺研究现状 | 第18-19页 |
| ·国内微弧氧化技术研究现状 | 第19-21页 |
| ·神经网络概述 | 第21-23页 |
| ·神经网络的发展 | 第21-22页 |
| ·MATLAB 神经网络工具箱 | 第22-23页 |
| ·选题依据及研究内容 | 第23-25页 |
| 第2章 微弧氧化实验平台及实验方法 | 第25-32页 |
| ·微弧氧化实验平台 | 第25-28页 |
| ·实验平台构成 | 第25-27页 |
| ·四种不同的电源输出方式 | 第27-28页 |
| ·实验材料及方法 | 第28-32页 |
| ·实验材料及试样制备方法 | 第28-30页 |
| ·主要分析及检测方法 | 第30-32页 |
| 第3章 微弧氧化膜层生长机理 | 第32-41页 |
| ·微弧氧化膜层生长机理 | 第32-37页 |
| ·微弧氧化过程的三个阶段 | 第32-34页 |
| ·膜层生长过程 | 第34-35页 |
| ·不同生长时期膜层的表面形貌 | 第35-37页 |
| ·微区电弧放电机理和模型 | 第37-39页 |
| ·微区电弧放电的必要条件 | 第37-38页 |
| ·微区电弧放电的4 个过程 | 第38页 |
| ·微区电弧引起的热循环 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 微弧氧化膜厚的影响因素 | 第41-48页 |
| ·电解液对膜厚的影响 | 第41-43页 |
| ·电解液配方的影响 | 第41页 |
| ·电解液浓度的影响 | 第41-42页 |
| ·电解液温度的影响 | 第42-43页 |
| ·电源输出特性对膜厚的影响 | 第43-46页 |
| ·电压、电流与膜层生长的关系 | 第43页 |
| ·脉冲频率与占空比对膜厚的影响 | 第43-44页 |
| ·脉冲波形对膜厚的影响 | 第44-46页 |
| ·处理时间与膜厚的关系 | 第46页 |
| ·其它因素的影响 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 神经网络建模 | 第48-70页 |
| ·神经网络简介 | 第48-50页 |
| ·神经网络的基本特点 | 第48-49页 |
| ·神经网络的基本功能 | 第49-50页 |
| ·神经网络信息处理机制 | 第50-52页 |
| ·神经元模型 | 第50-51页 |
| ·神经网络模型 | 第51-52页 |
| ·神经网络学习 | 第52页 |
| ·多层感知器神经网络 | 第52-53页 |
| ·基于BP 网络的膜厚映射模型的构造 | 第53-59页 |
| ·网络信息容量与训练样本数 | 第53页 |
| ·训练样本集的构造 | 第53-57页 |
| ·网络的结构设计 | 第57页 |
| ·网络训练与测试 | 第57-59页 |
| ·BP 算法存在的问题分析 | 第59-61页 |
| ·学习过程收敛速度慢的原因 | 第59-61页 |
| ·易陷于局部极小 | 第61页 |
| ·基于改进的BP 算法的膜厚预测模型 | 第61-65页 |
| ·贝叶斯正则化算法 | 第61-63页 |
| ·自适应学习速率及附加动量项学习算法 | 第63-65页 |
| ·基于径向基网络的膜厚映射模型的构造 | 第65-68页 |
| ·RBF 网络的结构 | 第66页 |
| ·基于RBF 网络的膜厚预测 | 第66-68页 |
| ·RBF 网络与BP 网络的比较 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 攻读学位期间发表的学术论文 | 第75-76页 |
| 致谢 | 第76页 |
