| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 致谢 | 第8-16页 |
| 第一章 绪论 | 第16-24页 |
| ·引言 | 第16页 |
| ·激光成形技术概述 | 第16-19页 |
| ·激光成形的特点 | 第16-17页 |
| ·激光弯曲成形基本原理 | 第17-18页 |
| ·板料激光弯曲成形影响因素 | 第18-19页 |
| ·TA15 钛合金概述 | 第19-20页 |
| ·钛合金的应用及分类 | 第19页 |
| ·TA15 钛合金的特点及应用 | 第19-20页 |
| ·激光弯曲成形的研究现状 | 第20-23页 |
| ·激光弯曲成形技术的研究进展 | 第20-22页 |
| ·钛合金激光弯曲成形的研究进展 | 第22-23页 |
| ·本课题研究的意义及主要研究内容 | 第23页 |
| ·本课题研究的意义 | 第23页 |
| ·本文主要研究内容 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第二章 板料激光弯曲成形有限元仿真基本理论及模型建立 | 第24-32页 |
| ·引言 | 第24页 |
| ·热弹塑性成形过程的有限元模拟方法简介 | 第24-26页 |
| ·有限元法简介 | 第24页 |
| ·热弹塑性问题的有限元分析 | 第24-26页 |
| ·板料激光弯曲成形过程的热力耦合分析 | 第26页 |
| ·有限元分析软件MARC 简介 | 第26-27页 |
| ·板料激光弯曲成形有限元模型的建立 | 第27-31页 |
| ·物理模型的建立 | 第27-28页 |
| ·单元选取与网格划分 | 第28页 |
| ·材料性能参数 | 第28-29页 |
| ·边界条件以及初始条件的处理 | 第29-30页 |
| ·激光光束的处理 | 第30-31页 |
| ·材料吸收系数的确定 | 第31页 |
| ·时间步长的控制 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第三章 TA15 合金薄板激光弯曲成形过程的数值模拟研究 | 第32-44页 |
| ·成形过程的数值模拟结果及分析 | 第32-36页 |
| ·成形工艺参数的选取 | 第32页 |
| ·形变场的模拟结果及分析 | 第32-34页 |
| ·温度场的模拟结果及分析 | 第34-35页 |
| ·应力应变场的模拟结果及分析 | 第35-36页 |
| ·模拟结果与实验结果的比较及验证 | 第36-37页 |
| ·成形工艺参数对板料激光弯曲成形的影响 | 第37-38页 |
| ·能量因素对成形的影响 | 第37-38页 |
| ·扫描间隔时间对成形的影响 | 第38页 |
| ·扫描次数对成形的影响 | 第38页 |
| ·几何参数对板料激光弯曲成形的影响 | 第38-39页 |
| ·板厚对成形的影响 | 第39页 |
| ·板宽对成形的影响 | 第39页 |
| ·扫描轨迹对成形的影响 | 第39-41页 |
| ·距自由端距离对成形的影响 | 第39-40页 |
| ·扫描步距对成形的影响 | 第40-41页 |
| ·TA15 合金薄板激光弯曲成形工艺参数优化 | 第41-43页 |
| ·正交试验方案 | 第41页 |
| ·影响因子规律性分析 | 第41-43页 |
| ·最优方案的确定 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第四章 人工神经网络及遗传算法简介 | 第44-51页 |
| ·引言 | 第44页 |
| ·神经网络的基本理论 | 第44-45页 |
| ·神经网络概况 | 第44页 |
| ·神经网络的基本概念 | 第44-45页 |
| ·BP 神经网络的基本理论 | 第45-47页 |
| ·BP 神经网络结构 | 第45-46页 |
| ·BP 算法的原理 | 第46页 |
| ·BP 算法存在的问题及改进 | 第46-47页 |
| ·遗传算法的基本理论 | 第47-48页 |
| ·遗传算法的概况 | 第47-48页 |
| ·遗传算法的特点 | 第48页 |
| ·BP 网络与遗传算法相结合 | 第48-50页 |
| ·BP 网络与遗传算法结合的可行性 | 第48-49页 |
| ·采用遗传算法优化 BP 网络权值的原理 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 基于神经网络与遗传算法激光弯曲预测模型的MATLAB 实现 | 第51-65页 |
| ·MATLAB 简介 | 第51页 |
| ·基于BP 网络预测模型的建立 | 第51-56页 |
| ·网络结构的确定 | 第51-52页 |
| ·样本的建立 | 第52-54页 |
| ·网络目标误差及训练方法的选择 | 第54-55页 |
| ·BP 网络预测模型 | 第55-56页 |
| ·基于遗传算法和BP 网络结合算法预测模型的建立 | 第56-59页 |
| ·编码方案的确定 | 第56页 |
| ·适应度函数的确定 | 第56-57页 |
| ·遗传控制参数的设定 | 第57页 |
| ·GA-BP 网络模型计算流程及相关程序 | 第57-59页 |
| ·网络预测模型结果及分析 | 第59-64页 |
| ·BP 网络预测模型结果及分析 | 第59-61页 |
| ·GA-BP 网络预测模型结果及分析 | 第61-64页 |
| ·GA-BP 网络和 BP 网络预测结果比较 | 第64页 |
| ·本章小结 | 第64-65页 |
| 第六章 结论与展望 | 第65-67页 |
| ·结论 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表的论文 | 第72-73页 |
| 攻读硕士学位期间参与的科研项目 | 第73-74页 |
