| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·本课题提出 | 第8-9页 |
| ·国内外发展状况 | 第9-11页 |
| ·本课题的研究内容 | 第11-12页 |
| ·本课题研究的目标和意义 | 第12-13页 |
| 第二章 304 不锈钢热变形模拟实验及结果分析 | 第13-20页 |
| ·试验材料及试验方法 | 第13-14页 |
| ·试验材料 | 第13页 |
| ·试验方法 | 第13-14页 |
| ·试验结果及分析 | 第14-18页 |
| ·当应变速率、变形量一定时，不同的温度对真应力-真应变的影响 | 第14-16页 |
| ·当应变速率、变形量一定时，不同的温度对显微组织的影响 | 第16-18页 |
| ·热变形激活能确立 | 第18-19页 |
| ·304 不锈钢热压缩再结晶晶粒尺寸 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 304 不锈钢热加工的软化过程及其模型 | 第20-36页 |
| ·锻造概述 | 第20-21页 |
| ·锻造加工的热塑性变形机理和工艺参数 | 第21-22页 |
| ·热塑性变形机理 | 第21页 |
| ·锻造加工的工艺参数 | 第21-22页 |
| ·锻造加工的软化过程 | 第22-27页 |
| ·锻造加工过程中的回复 | 第24-25页 |
| ·锻造加工过程中的再结晶 | 第25-26页 |
| ·锻造加工过程中的晶粒长大 | 第26-27页 |
| ·锻造加工回复的动力学基础 | 第27-28页 |
| ·锻造加工的再结晶动力学基础 | 第28-30页 |
| ·304 不锈钢锻造加工的回复和再结晶模型 | 第30-32页 |
| ·材料模型 | 第30页 |
| ·锻造加工的回复模型 | 第30-31页 |
| ·动态再结晶模型 | 第31-32页 |
| ·静态再结晶模型 | 第32页 |
| ·304 不锈钢热变形的再结晶晶粒尺寸模型 | 第32-35页 |
| ·静态再结晶的晶粒尺寸模型 | 第33-34页 |
| ·动态再结晶的晶粒尺寸模型 | 第34页 |
| ·亚动态再结晶的晶粒尺寸模型 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 BP 神经网络 | 第36-48页 |
| ·BP 神经网络的基本原理 | 第36-37页 |
| ·BP 神经网络的神经元模型 | 第37-39页 |
| ·BP 神经网络的结构 | 第39-40页 |
| ·BP 神经网络的学习规则 | 第40-43页 |
| ·BP 神经网络的设计 | 第43-46页 |
| ·BP 神经网络的层设计 | 第43-44页 |
| ·BP 神经网络的初始值选择 | 第44页 |
| ·BP 神经网络的不足及改进 | 第44-45页 |
| ·BP 神经网络的泛化能力 | 第45-46页 |
| ·BP 神经网络的计算机实现 | 第46-47页 |
| ·BP 神经网络的应用 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第五章 基于BP 神经网络304 不锈钢锻造工艺优化计算机实现 | 第48-68页 |
| ·MATLAB 语言 | 第48-49页 |
| ·MATLAB 和VB 的连接 | 第49-50页 |
| ·BP 神经网络的设计 | 第50-61页 |
| ·问题描述 | 第51-52页 |
| ·304 不锈钢锻造工艺优化的BP 神经网络设计 | 第52-53页 |
| ·BP 网络的训练和仿真 | 第53-59页 |
| ·网络预测性能评估 | 第59-60页 |
| ·网络性能影响因素讨论 | 第60-61页 |
| ·基于BP 网络的304 不锈钢锻造工艺优化建模系统的实现 | 第61-67页 |
| ·系统功能的基本介绍 | 第61-64页 |
| ·系统主要模块的具体实现 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 结论 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间发表的论文 | 第74-75页 |
