盒形件智能化拉深压边力控制规律的研究和实时预测
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-25页 |
| ·引言 | 第13页 |
| ·板材拉深成形智能化研究现状及国内外发展趋势 | 第13-22页 |
| ·拉深成形智能化的研究 | 第14页 |
| ·筒形件拉深过程自适应控制 | 第14-16页 |
| ·轴对称件拉深过程的智能化 | 第16-18页 |
| ·自适应模糊控制系统的发展 | 第18-20页 |
| ·板材成形智能传感与控制系统的研究 | 第20-22页 |
| ·选题意义及主要研究内容 | 第22-25页 |
| 第2章 盒形件拉深成形的三维有限元分析 | 第25-38页 |
| ·引言 | 第25-26页 |
| ·算法的选择 | 第26-32页 |
| ·材料模型的选择 | 第27-29页 |
| ·单元类型的选择 | 第29-31页 |
| ·接触分析 | 第31-32页 |
| ·盒形件拉深成形的数值模拟 | 第32-36页 |
| ·几何模型 | 第32-33页 |
| ·模拟结果分析 | 第33-35页 |
| ·模拟结果的实验验证 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第3章 盒形件失稳的临界条件 | 第38-60页 |
| ·引言 | 第38-39页 |
| ·恒定压边力下的法兰皱曲临界条件 | 第39-48页 |
| ·关于板材皱曲的C-B 准则 | 第39-44页 |
| ·基于C-B 准则的法兰皱曲判据假设 | 第44-45页 |
| ·法兰皱曲的临界压边力 | 第45-47页 |
| ·实验确定皱曲临界值的方法 | 第47-48页 |
| ·侧壁破裂的临界条件 | 第48-56页 |
| ·金属板材的成形极限图 | 第49-53页 |
| ·破裂失稳的临界压边力 | 第53-56页 |
| ·实验确定侧壁破裂临界值的方法 | 第56页 |
| ·侧壁起皱的初探 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 第4章 盒形件拉深成形压边力的控制规律 | 第60-78页 |
| ·引言 | 第60-61页 |
| ·压边力的取值范围 | 第61-63页 |
| ·侧壁质量评价函数 | 第63-67页 |
| ·恒定压边力控制规律 | 第67-68页 |
| ·变压边力控制规律 | 第68-73页 |
| ·恒定压边力与变压边力的比较 | 第73-74页 |
| ·获得较优压边力的方法 | 第74-76页 |
| ·本章小结 | 第76-78页 |
| 第5章 盒形件智能拉深过程中压边力的预测 | 第78-96页 |
| ·人工神经网络技术简介 | 第78-79页 |
| ·神经网络技术在塑性加工领域中的应用 | 第79-80页 |
| ·盒形件拉深智能化控制中压边力的预测模型 | 第80-84页 |
| ·输入输出层设计 | 第80页 |
| ·隐层数目和隐层节点数的选取 | 第80-81页 |
| ·神经网络算法的选取 | 第81-84页 |
| ·编程语言的选择 | 第84-85页 |
| ·样本数据的获得 | 第85-87页 |
| ·正交试验简介 | 第85页 |
| ·变量正交表 | 第85-86页 |
| ·样本数据的获得 | 第86-87页 |
| ·样本处理 | 第87-90页 |
| ·直接输入输出 | 第87-88页 |
| ·输入输出向量归一化 | 第88-90页 |
| ·网络的泛化能力 | 第90-93页 |
| ·样本数据的影响 | 第90-91页 |
| ·隐层节点数目、训练方法的影响 | 第91-93页 |
| ·网络的容错能力 | 第93-94页 |
| ·本章小结 | 第94-96页 |
| 第6章 盒形件智能拉深实验系统 | 第96-108页 |
| ·轴对称件智能拉深实验系统 | 第96-98页 |
| ·盒形件智能拉深实验系统 | 第98-101页 |
| ·基于LABVIEW 的数据采集系统 | 第101-102页 |
| ·传感器的标定和数据处理 | 第102-104页 |
| ·拉深过程中的参数实时识别和压边力规律实时预测 | 第104-106页 |
| ·盒形件智能化拉深解决方案 | 第106-107页 |
| ·本章小结 | 第107-108页 |
| 结论 | 第108-110页 |
| 参考文献 | 第110-118页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第118-119页 |
| 致谢 | 第119-120页 |
| 作者简介 | 第120页 |
