| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 焊接快速成形技术研究现状 | 第10-12页 |
| 1.3 堆敷成形过程工艺参数与尺寸建模研究现状 | 第12-16页 |
| 1.3.1 传统回归模型建模研究现状 | 第13-14页 |
| 1.3.2 人工神经网络建模研究现状 | 第14-16页 |
| 1.4 本文主要研究内容 | 第16-18页 |
| 第2章 试验设计及样本数据获取 | 第18-26页 |
| 2.1 GMAW 熔敷堆积实验平台 | 第18页 |
| 2.2 熔敷工艺参数的选择 | 第18-19页 |
| 2.3 试验设计 | 第19-22页 |
| 2.4 熔敷焊道尺寸测量 | 第22-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 预测成形尺寸的传统回归模型 | 第26-32页 |
| 3.1 回归方程的初步建立 | 第26-27页 |
| 3.2 回归方程的统计检验 | 第27-30页 |
| 3.2.1 回归方程的显著性检验 | 第27-28页 |
| 3.2.2 回归方程的拟合度检验 | 第28-29页 |
| 3.2.3 回归系数的显著性检验 | 第29-30页 |
| 3.3 传统回归模型的优化 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 预测成形尺寸的 BP 网络模型建立与仿真分析 | 第32-46页 |
| 4.1 人工神经网络原理 | 第32-35页 |
| 4.1.1 人工神经元模型 | 第32-33页 |
| 4.1.2 BP 神经网络 | 第33-35页 |
| 4.2 系统模型的建立 | 第35-40页 |
| 4.2.1 学习样本与验证样本获取 | 第35-36页 |
| 4.2.2 数据处理 | 第36-37页 |
| 4.2.3 神经网络结构的设计 | 第37-39页 |
| 4.2.4 神经网络训练与验证 | 第39-40页 |
| 4.3 BP 网络模型和回归方程模型性能比较 | 第40-43页 |
| 4.4 熔敷过程行为的仿真研究 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 预测熔敷工艺参数的闭环反馈迭代系统 | 第46-54页 |
| 5.1 成形尺寸预测熔敷工艺参数模型的建立 | 第46-50页 |
| 5.1.1 样本的获取 | 第46-48页 |
| 5.1.2 神经网络结构的设计 | 第48-49页 |
| 5.1.3 神经网络逆向模型的训练和验证 | 第49-50页 |
| 5.2 正向模型和逆向模型联合预测熔敷工艺参数 | 第50-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第6章 单道多层堆敷工艺研究 | 第54-59页 |
| 6.1 单道多层堆敷成形试验 | 第54-56页 |
| 6.2 试验结果分析 | 第56-58页 |
| 6.3 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读学位期间发表的学术论文 | 第64-66页 |
| 致谢 | 第66页 |