| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-19页 |
| ·论文的研究背景 | 第9-10页 |
| ·国内外研究现状综述 | 第10-14页 |
| ·装夹布局优化的研究现状 | 第10-12页 |
| ·工件变形预测的研究现状 | 第12-13页 |
| ·基于 ABAQUS 软件二次开发的研究 | 第13页 |
| ·现有研究的不足 | 第13-14页 |
| ·研究内容及研究方法 | 第14-16页 |
| ·研究内容 | 第14-15页 |
| ·研究方法 | 第15-16页 |
| ·论文的章节安排 | 第16-19页 |
| 第2章 航空框类薄壁件装夹方案的分析与建模 | 第19-33页 |
| ·静力平衡约束 | 第19-24页 |
| ·摩擦锥约束条件 | 第24页 |
| ·单侧接触约束条件 | 第24-25页 |
| ·目标函数 | 第25页 |
| ·框类薄壁件的装夹变形仿真 | 第25-32页 |
| ·薄壁件装夹变形的有限元分析 | 第26-29页 |
| ·框类薄壁件装夹布局方案的有限元分析 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 航空薄壁件装夹变形预测方法 | 第33-47页 |
| ·人工神经网络 | 第33-34页 |
| ·神经网络分类 | 第34-40页 |
| ·神经网络概述 | 第34-36页 |
| ·BP 神经网络的学习算法 | 第36-40页 |
| ·航空框类薄壁件装夹变形的神经网络预测方法 | 第40-46页 |
| ·BP 神经网络结构的确定 | 第40页 |
| ·训练样本的选择 | 第40-41页 |
| ·神经网络的训练 | 第41页 |
| ·神经网络预测 | 第41-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 薄壁件装夹布局参数优化方法 | 第47-61页 |
| ·遗传算法理论概述 | 第47页 |
| ·遗传算法的研究进展 | 第47-48页 |
| ·遗传算法的特点与应用步骤 | 第48-49页 |
| ·遗传算法的特点 | 第48页 |
| ·遗传算法的步骤 | 第48-49页 |
| ·装夹布局参数的优化模型 | 第49页 |
| ·求解方法 | 第49-50页 |
| ·决策变量 | 第50-60页 |
| ·染色体编码与解码 | 第50页 |
| ·产生初始种群 | 第50页 |
| ·种群中个体评价 | 第50-51页 |
| ·遗传算子的确定 | 第51-53页 |
| ·终止条件的判断 | 第53-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 基于 Python 的航空薄壁件快速铣削仿真技术研究 | 第61-73页 |
| ·Python 语言的特点 | 第61-62页 |
| ·Python 环境下的 ABAQUS 二次开发 | 第62-66页 |
| ·插件程序与定制应用程序介绍 | 第63-64页 |
| ·AeroCAE 系统的框文件组成 | 第64-66页 |
| ·AeroCAE 的开发技术 | 第66-69页 |
| ·AeroCAE 的开发流程 | 第66-67页 |
| ·前处理模块的关键技术 | 第67-68页 |
| ·后处理模块的插件程序 | 第68-69页 |
| ·框类薄壁件的铣削应用实例 | 第69-71页 |
| ·本章小结 | 第71-73页 |
| 第6章 总结与展望 | 第73-75页 |
| ·总结 | 第73-74页 |
| ·展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位论文期间发表的学术论文 | 第79-80页 |
| 主持或参与的科研项目 | 第80-81页 |
| 致谢 | 第81-83页 |