| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 微注射成型 | 第10-11页 |
| 1.2.2 微热压成型 | 第11-12页 |
| 1.2.3 挤出辊压成型 | 第12-13页 |
| 1.2.4 铸嘴的发展状况 | 第13-14页 |
| 1.3 本文的主要研究内容及意义 | 第14-16页 |
| 1.4 本文的创新点 | 第16-17页 |
| 第2章 连注连轧工艺分析 | 第17-26页 |
| 2.1 光学导光板成型过程 | 第17-18页 |
| 2.2 微结构成型过程 | 第18页 |
| 2.3 连注连轧挤出模头的功用与设计 | 第18-25页 |
| 2.3.1 挤出模头设计 | 第19页 |
| 2.3.2 热流道基本理论 | 第19-23页 |
| 2.3.3 鱼尾型流道 | 第23页 |
| 2.3.4 注轧嘴热流道 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 注轧嘴热流道流动方程及数值分析 | 第26-35页 |
| 3.1 高聚物熔体的流动本构方程 | 第26-28页 |
| 3.2 PMMA流变性的测量 | 第28-32页 |
| 3.2.1 毛细血管流变仪工作原理及实验参数 | 第29页 |
| 3.2.2 结果及分析 | 第29-32页 |
| 3.3 流道数值仿真 | 第32-34页 |
| 3.3.1 控制方程 | 第32-33页 |
| 3.3.2 数值仿真步骤及结果 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 注轧嘴热流道的优化 | 第35-56页 |
| 4.1 基于SolidWorks对注轧嘴热流道的参数化设计 | 第35-38页 |
| 4.1.1 SolidWorks二次开发基本原理 | 第35-36页 |
| 4.1.2 热流道二次开发的实现 | 第36-38页 |
| 4.2 优化目标及优化变量 | 第38-42页 |
| 4.2.1 优化目标的提出 | 第38页 |
| 4.2.2 优化变量的选取 | 第38-40页 |
| 4.2.3 正交试验设计 | 第40-41页 |
| 4.2.4 数值分析结果 | 第41-42页 |
| 4.3 BP人工神经网络建模与训练 | 第42-44页 |
| 4.3.1 人工神经网络 | 第42页 |
| 4.3.2 BP神经网络 | 第42-44页 |
| 4.4 多项式回归方程 | 第44-47页 |
| 4.4.1 计算相关矩阵 | 第44-45页 |
| 4.4.2 多元回归方程 | 第45-46页 |
| 4.4.3 多元多项式回归 | 第46页 |
| 4.4.4 残差分析与学生化分析 | 第46-47页 |
| 4.5 基于遗传算法对注轧嘴热流道的优化 | 第47-51页 |
| 4.5.1 遗传算法基本原理 | 第47页 |
| 4.5.2 基于Sheffield工具箱的遗传算法实现 | 第47-49页 |
| 4.5.3 优化结果及分析 | 第49-51页 |
| 4.6 内腔壁粗糙度 | 第51-55页 |
| 4.6.1 粗糙度对流阻的影响 | 第51页 |
| 4.6.2 壁面粗糙度的简化 | 第51-53页 |
| 4.6.3 数值分析 | 第53-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第5章 连注连轧过程实验研究 | 第56-63页 |
| 5.1 实验设备 | 第56-57页 |
| 5.1.1 双螺杆挤出机 | 第56页 |
| 5.1.2 注轧嘴 | 第56-57页 |
| 5.1.3 精密轧机 | 第57页 |
| 5.2 连注连轧工艺流程 | 第57-58页 |
| 5.3 实验结果分析 | 第58-62页 |
| 5.3.1 轧制缺陷 | 第58-59页 |
| 5.3.2 板材厚度测量与分析 | 第59-60页 |
| 5.3.3 导光板微结构成型测量 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 总结和展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间的研究成果 | 第69页 |