| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第14-22页 |
| 1.1 引言 | 第14-15页 |
| 1.2 研究背景及意义 | 第15-17页 |
| 1.3 国内外的研究现状 | 第17-19页 |
| 1.4 课题来源与本文研究内容 | 第19-22页 |
| 2 乘用车车门系统的解析与研究 | 第22-34页 |
| 2.1 乘用车车门系统概述 | 第22-23页 |
| 2.2 车门关闭轻便性的理论分析 | 第23-32页 |
| 2.2.1 门锁系统 | 第24-25页 |
| 2.2.2 铰链系统 | 第25页 |
| 2.2.3 限位器系统 | 第25-26页 |
| 2.2.4 车门自重系统 | 第26-28页 |
| 2.2.5 气压阻系统 | 第28页 |
| 2.2.6 密封系统 | 第28-32页 |
| 2.3 本章小结 | 第32-34页 |
| 3 密封条二维截面的结构仿真与验证 | 第34-52页 |
| 3.1 密封条橡胶材料特性研究 | 第34-39页 |
| 3.1.1 密封条橡胶材料本构模型 | 第34-36页 |
| 3.1.2 密封条橡胶材料单轴拉伸试验 | 第36-38页 |
| 3.1.3 密封条材料本构方程的常系数拟合 | 第38-39页 |
| 3.2 密封胶条压缩负荷实验 | 第39-40页 |
| 3.3 Marc软件非线性仿真分析求解过程 | 第40-48页 |
| 3.3.1 几何模型 | 第40-41页 |
| 3.3.2 单元类型的选择 | 第41页 |
| 3.3.3 边界条件的建立 | 第41-43页 |
| 3.3.4 Marc求解控制 | 第43-48页 |
| 3.3.5 结果分析 | 第48页 |
| 3.4 密封条仿真分析实例 | 第48-50页 |
| 3.5 本章小结 | 第50-52页 |
| 4 基于GRNN-PSO算法的密封条截面结构参数优化 | 第52-66页 |
| 4.1 基于GRNN-PSO算法的截面优化设计流程 | 第52-53页 |
| 4.2 优化算法 | 第53-56页 |
| 4.2.1 广义回归神经网络算法概述 | 第53-54页 |
| 4.2.2 广义回归神经网络模型建立 | 第54-55页 |
| 4.2.3 粒子群算法概述 | 第55页 |
| 4.2.4 粒子群算法模型建立 | 第55-56页 |
| 4.3 基于GRNN神经网络的密封条结构参数优化 | 第56-59页 |
| 4.3.1 密封条截面结构参数的优化方案 | 第57页 |
| 4.3.2 密封条截面优化变量选取 | 第57-58页 |
| 4.3.3 基于工程目标的优化函数设计 | 第58-59页 |
| 4.4 基于GRNN神经网络建立映射关系 | 第59-63页 |
| 4.4.1 试验设计 | 第59-60页 |
| 4.4.2 GRNN神经网络输入样本采集 | 第60-62页 |
| 4.4.3 GRNN神经网络的建立 | 第62-63页 |
| 4.5 基于粒子群算法优化截面结构参数 | 第63-64页 |
| 4.6 本章小结 | 第64-66页 |
| 5 总结与展望 | 第66-68页 |
| 5.1 全文总结 | 第66页 |
| 5.2 工作展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 作者简介及读研期间主要科研成果 | 第74页 |