| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-25页 |
| 1.1 课题研究背景 | 第12-13页 |
| 1.2 激光熔覆技术 | 第13-16页 |
| 1.2.1 激光熔覆的基本原理及特点 | 第13-14页 |
| 1.2.2 激光熔覆应用现状 | 第14-15页 |
| 1.2.3 激光熔覆层质量的影响因素 | 第15-16页 |
| 1.3 专家系统简介 | 第16-20页 |
| 1.3.1 专家系统的基本结构 | 第16页 |
| 1.3.2 专家系统的知识库 | 第16-18页 |
| 1.3.3 专家系统的推理机 | 第18页 |
| 1.3.4 专家系统的基本特点 | 第18-19页 |
| 1.3.5 专家系统在激光加工领域的应用现状 | 第19-20页 |
| 1.4 课题的提出 | 第20-22页 |
| 1.5 本文的研究目标、研究内容及技术路线 | 第22-24页 |
| 1.5.1 研究目标 | 第22页 |
| 1.5.2 研究内容及技术路线 | 第22-24页 |
| 1.6 本章小结 | 第24-25页 |
| 第2章 激光熔覆预测算法设计与优化 | 第25-48页 |
| 2.1 人工神经网络 | 第25-32页 |
| 2.1.1 人工神经元模型 | 第25-27页 |
| 2.1.1.1 神经元的数学模型 | 第25-26页 |
| 2.1.1.2 神经元的变换函数 | 第26-27页 |
| 2.1.2 误差反传算法 | 第27-32页 |
| 2.1.2.1 基于BP算法的多层前馈网络模型 | 第27-28页 |
| 2.1.2.2 BP学习算法 | 第28-31页 |
| 2.1.2.3 BP算法的程序实现 | 第31-32页 |
| 2.1.2.4 标准BP算法的改进 | 第32页 |
| 2.2 遗传算法 | 第32-41页 |
| 2.2.1 遗传算法的原理 | 第32-33页 |
| 2.2.2 遗传算法的基本操作与模式理论 | 第33-36页 |
| 2.2.2.1 遗传算法的基本操作 | 第33-34页 |
| 2.2.2.2 遗传算法的模式理论 | 第34-36页 |
| 2.2.3 遗传算法的实现 | 第36-39页 |
| 2.2.3.1 编码方法 | 第36页 |
| 2.2.3.2 初始种群的产生 | 第36-37页 |
| 2.2.3.3 适应度的设计 | 第37-38页 |
| 2.2.3.4 遗传算法的操作步骤 | 第38-39页 |
| 2.2.4 遗传算法的改进 | 第39-41页 |
| 2.2.4.1 优秀个体保护法 | 第39页 |
| 2.2.4.2 自适应交叉、变异算子的改进 | 第39-41页 |
| 2.3 遗传算法用于神经网络的权值优化 | 第41-44页 |
| 2.3.1 标准BP算法的局限性 | 第41-42页 |
| 2.3.2 遗传算法优化BP神经网络的必要性 | 第42页 |
| 2.3.3 遗传算法优化BP神经网络权值的流程 | 第42-44页 |
| 2.4 激光熔覆工艺预测模型的BP神经网络设计 | 第44-47页 |
| 2.4.1 激光熔覆工艺与熔覆层质量 | 第44-45页 |
| 2.4.2 激光熔覆工艺BP网络模型的建立 | 第45-47页 |
| 2.5 本章小结 | 第47-48页 |
| 第3章 样本准备与BP网络训练 | 第48-58页 |
| 3.1 样本的准备 | 第48-51页 |
| 3.1.1 训练样本的选择要求 | 第48-49页 |
| 3.1.2 训练样本数据获取 | 第49-50页 |
| 3.1.3 训练样本数据归一化处理 | 第50-51页 |
| 3.2 BP网络训练与验证 | 第51-57页 |
| 3.2.1 网络训练的方法 | 第51-53页 |
| 3.2.2 训练结果和验证 | 第53-57页 |
| 3.3 本章小结 | 第57-58页 |
| 第4章 C/S模式激光熔覆工艺专家系统软件实现 | 第58-75页 |
| 4.1 激光熔覆工艺专家系统整体设计 | 第58-60页 |
| 4.1.1 知识库的设计 | 第58页 |
| 4.1.2 推理机的设计 | 第58-59页 |
| 4.1.3 C/S模式激光熔覆工艺专家系统的架构设计 | 第59-60页 |
| 4.2 软件界面设计与实现 | 第60-73页 |
| 4.2.1 登陆界面 | 第61-63页 |
| 4.2.2 用户系统 | 第63-66页 |
| 4.2.3 管理员系统 | 第66-70页 |
| 4.2.4 访问远程SQL Server数据库 | 第70-73页 |
| 4.3 软件安装程序的制作 | 第73-74页 |
| 4.4 本章小结 | 第74-75页 |
| 第5章 总结与展望 | 第75-78页 |
| 5.1 总结 | 第75-76页 |
| 5.2 展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |