| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-10页 |
| ·概述 | 第7-8页 |
| ·本课题的研究意义 | 第8页 |
| ·课题来源及本论文主要研究工作 | 第8-9页 |
| ·课题来源 | 第8-9页 |
| ·本论文主要研究内容 | 第9页 |
| ·本章小结 | 第9-10页 |
| 第2章 高光注射成型的关键和缺陷分析软件 | 第10-13页 |
| ·高光注射成型的关键 | 第10-11页 |
| ·高光产品结构的设计关键 | 第10页 |
| ·高光注射成型模具设计的技术关键 | 第10-11页 |
| ·高光产品缺陷分析的软件简介 | 第11-12页 |
| ·Moldflow软件介绍 | 第11页 |
| ·Matlab软件介绍 | 第11-12页 |
| ·本章小节 | 第12-13页 |
| 第3章 高光产品缺陷工艺理论分析及参数优化研究 | 第13-29页 |
| ·高光产品缺陷工艺理论方面的分析 | 第13-14页 |
| ·高光产品常见的缺陷问题 | 第13页 |
| ·高光产品缺陷产生原因和应对策略 | 第13-14页 |
| ·高光产品缺陷的工艺分析 | 第14-16页 |
| ·试验设计方法 | 第16-19页 |
| ·试验数据处理 | 第19-27页 |
| ·运用极差分析处理数据 | 第20-22页 |
| ·运用方差分析处理数据 | 第22-27页 |
| ·综合比较两种数据处理方法 | 第27页 |
| ·本章小结 | 第27-29页 |
| 第4章 利用优化浇口和增加热流道来预测控制熔接痕 | 第29-35页 |
| ·利用优化浇注系统预测控制熔接痕 | 第31-33页 |
| ·利用增加加热系统预测控制熔接痕 | 第33页 |
| ·本章小结 | 第33-35页 |
| 第5章 高光产品中翘曲和体积收缩预测与控制 | 第35-54页 |
| ·运用BP神经网络算法预测控制高光产品翘曲和体积收缩 | 第35-45页 |
| ·BP神经网络简介 | 第35-40页 |
| ·BP神经网络预测控制模型的建立 | 第40-41页 |
| ·样本数据的处理 | 第41页 |
| ·BP神经网络的训练 | 第41-44页 |
| ·BP神经网络模型的检测 | 第44-45页 |
| ·运用回归分析预测控制翘曲和体积收缩 | 第45-52页 |
| ·回归分析介绍 | 第45-48页 |
| ·回归分析预测控制模型的建立 | 第48-49页 |
| ·回归分析模型的检验 | 第49-51页 |
| ·回归分析模型的预测 | 第51-52页 |
| ·综合比较两种预测控制方法 | 第52-53页 |
| ·本章小节 | 第53-54页 |
| 第6章 实际生产与预测控制运用对比 | 第54-57页 |
| ·实际工艺参数与优化后的工艺参数结果对比 | 第54-56页 |
| ·实际浇口位置与预测控制浇口位置对比 | 第56页 |
| ·实际生产与两种预测控制方法运用对比 | 第56页 |
| ·本章小节 | 第56-57页 |
| 第7章 总结与展望 | 第57-59页 |
| ·总结 | 第57-58页 |
| ·展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读学位期间的研究成果 | 第63页 |