| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究的背景及意义 | 第9-10页 |
| 1.2 冷滚打技术研究现状 | 第10-13页 |
| 1.3 表面完整性研究现状 | 第13-15页 |
| 1.4 存在的主要问题 | 第15-16页 |
| 1.5 本课题来源与研究的主要内容 | 第16-17页 |
| 第2章 高速冷滚打花键成形表面完整性试验研究 | 第17-33页 |
| 2.1 高速冷滚打渐开线花键成形原理 | 第17页 |
| 2.2 表面完整性的影响因素分析 | 第17-20页 |
| 2.2.1 表面粗糙度的主要影响因素 | 第18-19页 |
| 2.2.2 表面残余应力的主要影响因素 | 第19页 |
| 2.2.3 加工硬化的主要影响因素 | 第19-20页 |
| 2.3 试验设备及方案 | 第20-23页 |
| 2.3.1 试验材料及加工参数 | 第20页 |
| 2.3.2 试验设备 | 第20-21页 |
| 2.3.3 试验方案 | 第21-23页 |
| 2.4 试验结果及分析 | 第23-32页 |
| 2.4.1 表面粗糙度试验结果及分析 | 第24-28页 |
| 2.4.2 显微硬度试验结果及分析 | 第28-31页 |
| 2.4.3 残余应力试验结果及分析 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 高速冷滚打表面完整性数学模型建立 | 第33-49页 |
| 3.1 表面粗糙度数学模型建立 | 第33-39页 |
| 3.1.1 冷滚打花键齿面表面粗糙度理论计算 | 第33-35页 |
| 3.1.2 冷滚打花键表面粗糙度仿真 | 第35-37页 |
| 3.1.3 表面粗糙度理论模型修正 | 第37-39页 |
| 3.2 基于BP神经网络残余应力模型建立 | 第39-44页 |
| 3.2.1 BP神经网络原理 | 第39-40页 |
| 3.2.2 表面残余应力模型建立 | 第40-44页 |
| 3.3 基于响应曲面法冷滚打成形表面硬化程度模型建立 | 第44-47页 |
| 3.3.1 表面硬化程度模型建立 | 第44-47页 |
| 3.3.2 表面硬化程度预测结果与试验对比分析 | 第47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 基于粒子群算法的表面完整性多目标优化 | 第49-57页 |
| 4.1 多目标优化方法简介 | 第49-50页 |
| 4.1.1 线性加权法 | 第49页 |
| 4.1.2 理想点法 | 第49页 |
| 4.1.3 平均加权法 | 第49-50页 |
| 4.1.4 功效系数法 | 第50页 |
| 4.2 标准粒子群算法及改进粒子群算法的实现 | 第50-54页 |
| 4.2.1 标准粒子群算法 | 第50-52页 |
| 4.2.2 粒子群算法的改进 | 第52-54页 |
| 4.3 基于改进粒子群算法的冷滚打表面完整性多目标优化 | 第54-56页 |
| 4.3.1 参数的选定 | 第54-55页 |
| 4.3.2 多目标优化结果及分析 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 结论与展望 | 第57-59页 |
| 5.1 结论 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间的研究成果 | 第66页 |