| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 1 绪 论 | 第9-15页 |
| 1.1 课题意义和目标 | 第9-10页 |
| 1.2 焊接材料应用计算机辅助设计技术概述 | 第10-11页 |
| 1.3 计算机辅助焊接材料试验设计与数据分析及相关领域国内外的发展与现状 | 第11-13页 |
| 1.4 试验设计和最优化方法的最新发展 | 第13-14页 |
| 1.5 小结 | 第14-15页 |
| 2 试验设计和数据处理方法分析 | 第15-20页 |
| 2.1 引言 | 第15页 |
| 2.2 区组设计以及假设检验法 | 第15-16页 |
| 2.3 析因设计及方差分析 | 第16-17页 |
| 2.4 回归设计与回归分析及优化方法 | 第17-18页 |
| 2.5 神经网络建模及其试验设计和优化方法 | 第18-20页 |
| 3 方案选取 | 第20-29页 |
| 3.1 系统总体框架 | 第20页 |
| 3.2 建模方法的选取及分析 | 第20-22页 |
| 3.2.1 引言 | 第20-21页 |
| 3.2.2 回归分析方法 | 第21页 |
| 3.2.3 几种函数逼近方法 | 第21页 |
| 3.2.4 神经网络建模方法 | 第21-22页 |
| 3.3 试验设计方案的选取及论证 | 第22-25页 |
| 3.3.1 引言 | 第22-23页 |
| 3.3.2 简单随机抽样 | 第23页 |
| 3.3.3 正交试验 | 第23-24页 |
| 3.3.4 各种回归试验设计 | 第24-25页 |
| 3.3.5 均匀设计 | 第25页 |
| 3.4 优化方法 | 第25-27页 |
| 3.4.1 焊接材料优化问题的描述 | 第25-26页 |
| 3.4.2 优化方案选择 | 第26-27页 |
| 3.5 最终方案 | 第27-29页 |
| 4 试验设计部分的实现 | 第29-36页 |
| 4.1 试验设计部分功能描述 | 第29-30页 |
| 4.2 试验方案抽样的问题 | 第30页 |
| 4.3 均匀性度量的问题 | 第30-34页 |
| 4.4 试验方案抽样结束问题 | 第34-36页 |
| 4.4.1 方案一 | 第34页 |
| 4.4.2 方案二 | 第34-35页 |
| 4.4.3 方案三 | 第35-36页 |
| 5 神经网络建模实现 | 第36-48页 |
| 5.1 焊材设计使用神经网络建模的理论基础 | 第36-38页 |
| 5.2 BP神经网络 | 第38-46页 |
| 5.2.1 BP神经网络的网络结构 | 第38-40页 |
| 5.2.2 BP的神经元 | 第40-41页 |
| 5.2.3 BP学习算法 | 第41-46页 |
| 5.3 神经网络功能描述及实现 | 第46页 |
| 5.4 实现中的一些细节问题 | 第46-47页 |
| 5.5 算法实现框图 | 第47-48页 |
| 6 遗传算法的实现 | 第48-54页 |
| 6.1 遗传算法基本步骤 | 第48页 |
| 6.2 编码问题 | 第48-50页 |
| 6.3 遗传算法参数选择问题 | 第50-51页 |
| 6.4 适应函数和选择问题 | 第51-52页 |
| 6.4.1 Pareto最优解 | 第51-52页 |
| 6.4.2 用遗传算法解 Pareto最优解 | 第52页 |
| 6.5 交叉和变异问题 | 第52-53页 |
| 6.6 初始种群问题 | 第53-54页 |
| 7 方案对比分析 | 第54-57页 |
| 7.1 计算机辅助设计系统的应用步骤 | 第54页 |
| 7.2 与传统设计方法对比分析 | 第54-55页 |
| 7.3 与传统优化设计方法对比分析 | 第55-57页 |
| 8 结论及建议 | 第57-59页 |
| 8.1 结论 | 第57页 |
| 8.2 建议 | 第57-59页 |
| 致 谢 | 第59-60页 |
| 参考文献 | 第60-62页 |