摘要 | 第1-11页 |
ABSTRACT | 第11-15页 |
第1章 绪论 | 第15-20页 |
·概述 | 第15-17页 |
·课题研究的主要内容 | 第17-20页 |
第2章 薄板冲压成形反演问题研究的基本原理和方法 | 第20-46页 |
·引言 | 第20-22页 |
·薄板冲压成形中的有限元仿真原理及关键技术 | 第22-38页 |
·冲压过程仿真的基本步骤 | 第22-23页 |
·板料变形的描述 | 第23-29页 |
·材料弹塑性行为的描述 | 第29-30页 |
·常用的屈服准则 | 第30-32页 |
·材料的塑性流动规律 | 第32-33页 |
·加载-卸载准则 | 第33页 |
·Belytschko-Tsay壳单元理论 | 第33-36页 |
·接触与摩擦算法 | 第36-37页 |
·有限元方程及求解方法 | 第37-38页 |
·反演问题及其方法概述 | 第38-45页 |
·反演问题的一般描述 | 第38-39页 |
·反演问题的类型 | 第39-40页 |
·反演问题的求解难点 | 第40-41页 |
·试验数据的模拟 | 第41-42页 |
·反演问题求解方法概述 | 第42-45页 |
·小结 | 第45-46页 |
第3章 基于神经网络的拉延筋几何参数反演研究 | 第46-85页 |
·引言 | 第46-48页 |
·基于IP-μGA的多层前向网络结构优化设计方法(SOMFNGA) | 第48-61页 |
·IP-μGA算法简介 | 第48-50页 |
·神经网络泛化能力的改进方法 | 第50-53页 |
·基于IP-μGA的多层前向网络结构优化设计 | 第53-58页 |
·SOMFNGA在正弦函数逼近网络设计中的应用 | 第58-61页 |
·等效拉延筋阻力的模拟计算方法 | 第61-74页 |
·拉延筋的作用机理 | 第61页 |
·板料经过拉延筋时基本假设及受力分析 | 第61-63页 |
·屈服函数的选择 | 第63-64页 |
·板料经过拉延筋时的切向应力应变关系 | 第64-65页 |
·弯曲力和反弯曲力的计算 | 第65-67页 |
·拉延筋阻力计算 | 第67页 |
·试验验证 | 第67-69页 |
·等效拉延筋阻力影响因素分析 | 第69-74页 |
·拉延筋几何参数反演研究 | 第74-83页 |
·求解策略 | 第74-75页 |
·正问题求解 | 第75-76页 |
·反演问题求解 | 第76-83页 |
·小结 | 第83-85页 |
第4章 基于神经网络的薄板成形件毛坯反演研究 | 第85-109页 |
·引言 | 第85-86页 |
·基于泛化的多层前向网络动态结构设计方法(DYNSDMFN) | 第86-92页 |
·基本思想 | 第86页 |
·关键技术 | 第86-87页 |
·程序实现 | 第87-89页 |
·DYNSDMFN方法在正弦函数逼近网络设计中的应用 | 第89-92页 |
·板料毛坯反演神经网络设计中的关键技术 | 第92-93页 |
·基于神经网络的低方形盒毛坯反演研究 | 第93-105页 |
·低方形盒毛坯形状影响因素 | 第94-95页 |
·毛坯形状的描述 | 第95-97页 |
·运用DYNSDMFN方法设计神经网络模型 | 第97-102页 |
·运用SOMFNGA方法设计低方形盒毛坯反演神经网络结构 | 第102-105页 |
·基于神经网络的B柱零件毛坯反演方法 | 第105-108页 |
·小结 | 第108-109页 |
第5章 基于神经网络的回弹预测及变压边力反演研究 | 第109-132页 |
·引言 | 第109-110页 |
·基于泛化的径向基函数神经网络动态结构设计(DYNSDRBF) | 第110-118页 |
·径向基函数神经网络简介 | 第110-111页 |
·基于泛化的径向基函数神经网络的动态结构设计方法 | 第111-115页 |
·DYNSDRBF在正弦函数逼近网络设计中的应用 | 第115-118页 |
·基于神经网络的凸(凹)圆弧翻边回弹预测研究 | 第118-124页 |
·凸(凹)弧翻边试验简介 | 第119-120页 |
·翻边回弹预测神经网络模型设计 | 第120-124页 |
·基于神经网络的变压边力反演研究 | 第124-130页 |
·问题的提出 | 第124-125页 |
·求解策略 | 第125页 |
·正问题求解 | 第125页 |
·反演问题求解 | 第125-130页 |
·小结 | 第130-132页 |
结论 | 第132-135页 |
参考文献 | 第135-145页 |
致谢 | 第145-146页 |
附录 A 攻读学位期间所发表和已投稿的学术论文目录 | 第146页 |