| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 引言 | 第12页 |
| 1.2 人工智能算法概述 | 第12-15页 |
| 1.2.1 人工神经网络 | 第12-14页 |
| 1.2.2 遗传算法 | 第14-15页 |
| 1.3 人工智能算法在激光工艺优化中的研究现状 | 第15-17页 |
| 1.3.1 BP神经网络在激光工艺优化中的研究现状 | 第15-16页 |
| 1.3.2 GA-BP算法在激光加工工艺中的研究现状 | 第16-17页 |
| 1.4 软件开发平台 | 第17-18页 |
| 1.5 课题的提出 | 第18-19页 |
| 1.5.1 算法改进 | 第18-19页 |
| 1.5.2 改进算法在激光工艺优化中的应用 | 第19页 |
| 1.6 本文结构安排 | 第19-20页 |
| 第2章 相关算法理论简介 | 第20-28页 |
| 2.1 BP神经网络 | 第20-23页 |
| 2.1.1 BP神经网络的基本原理 | 第20-22页 |
| 2.1.2 BP神经网络的缺陷分析 | 第22-23页 |
| 2.2 GA-BP算法 | 第23-26页 |
| 2.2.1 遗传算法 | 第23-25页 |
| 2.2.2 GA-BP算法的基本原理 | 第25-26页 |
| 2.2.3 GA-BP算法的缺陷分析 | 第26页 |
| 2.3 本章小结 | 第26-28页 |
| 第3章 GA-BP混合算法的形成及其性能评价 | 第28-42页 |
| 3.1 GA-BP算法的改进 | 第28-31页 |
| 3.1.1 BP神经网络算法的改进 | 第28-29页 |
| 3.1.2 遗传算法的改进 | 第29-31页 |
| 3.2 GA-BP混合算法的形成 | 第31-32页 |
| 3.3 GA-BP混合算法的性能评价 | 第32-40页 |
| 3.3.1 样本数据采集 | 第33-35页 |
| 3.3.2 样本数据的归一化处理 | 第35-36页 |
| 3.3.3 算法训练及其性能分析 | 第36-40页 |
| 3.3.4 GA-BP混合算法的神经网络模型预测分析 | 第40页 |
| 3.4 本章小结 | 第40-42页 |
| 第4章 基于GA-BP混合算法的激光工艺神经训练系统软件开发 | 第42-56页 |
| 4.1 软件开发的基本原则 | 第42页 |
| 4.2 激光工艺神经训练系统的需求分析 | 第42-43页 |
| 4.3 激光工艺神经系统的基本功能及执行流程 | 第43-45页 |
| 4.4 激光工艺神经训练系统的设计 | 第45-48页 |
| 4.4.1 后台算法程序的封装 | 第45-46页 |
| 4.4.2 软件主界面设计 | 第46-48页 |
| 4.4.3 激光工艺样本文件格式的规范说明 | 第48页 |
| 4.5 激光工艺神经训练系统的测试 | 第48-54页 |
| 4.5.1 软件测试的概念 | 第48-49页 |
| 4.5.2 激光工艺神经训练系统测试 | 第49-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第5章 激光工艺预测客户端系统软件的开发 | 第56-74页 |
| 5.1 激光工艺预测客户端系统的需求分析 | 第56页 |
| 5.2 激光工艺预测客户端系统的基本功能及执行流程 | 第56-58页 |
| 5.3 激光工艺预测客户端系统的设计 | 第58-64页 |
| 5.3.1 软件主界面 | 第58页 |
| 5.3.2 用户管理子界面设计 | 第58-60页 |
| 5.3.3 3D绘图控制显示的设计 | 第60-63页 |
| 5.3.4 单点预测与阵列预测子界面设计 | 第63-64页 |
| 5.4 激光工艺预测客户端系统的软件测试 | 第64-72页 |
| 5.5 本章小结 | 第72-74页 |
| 第6章 总结和展望 | 第74-76页 |
| 6.1 总结全文 | 第74页 |
| 6.2 创新点 | 第74页 |
| 6.3 展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 攻读学位期间参加的科研项目和成果 | 第82页 |
