精密矫直行程预测方法与应用研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究的目的与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·矫直设备 | 第11-12页 |
| ·矫直原理与矫直工艺 | 第12-13页 |
| ·课题来源 | 第13页 |
| ·论文的主要内容 | 第13-15页 |
| 第2章 压力矫直行程预测的理论研究 | 第15-30页 |
| ·引言 | 第15页 |
| ·矫直设备与矫直工艺 | 第15-18页 |
| ·矫直设备总体结构 | 第15-17页 |
| ·矫直加工工艺流程 | 第17-18页 |
| ·压力矫直的理论基础 | 第18-20页 |
| ·压力矫直原理 | 第18-19页 |
| ·载荷-位移模型 | 第19-20页 |
| ·载荷-位移模型的数学建模 | 第20-27页 |
| ·弹性加载与弹性回弹阶段 | 第21页 |
| ·弹塑性弯曲阶段 | 第21-26页 |
| ·载荷-位移模型的数学模型 | 第26-27页 |
| ·载荷-位移模型的求解 | 第27-29页 |
| ·矩形截面 | 第27-28页 |
| ·圆及其他形状截面 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 矫直行程预测模型与实验验证 | 第30-43页 |
| ·引言 | 第30页 |
| ·矫直行程预测模型的实现 | 第30-33页 |
| ·初始挠度-矫直行程模型 | 第30-31页 |
| ·程序设计 | 第31-32页 |
| ·运行效果 | 第32-33页 |
| ·实验设备与实验方案 | 第33-36页 |
| ·实验设备 | 第33-34页 |
| ·实验方案 | 第34-36页 |
| ·试样参数 | 第36页 |
| ·实验数据处理 | 第36-39页 |
| ·实验结果分析 | 第39-42页 |
| ·初始挠度-矫直行程曲线分析 | 第39-40页 |
| ·载荷-挠度曲线分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 BP网络材料性能在线识别模型 | 第43-68页 |
| ·引言 | 第43页 |
| ·材料性能在线识别的应用 | 第43-45页 |
| ·材料性能在线识别的概念 | 第43页 |
| ·塑性变形对材料性能的影响 | 第43-44页 |
| ·在线识别量与监测量的确定 | 第44-45页 |
| ·人工神经网络技术 | 第45-50页 |
| ·人工神经网络概述 | 第45页 |
| ·人工神经网络的数学模型 | 第45-48页 |
| ·BP神经网络 | 第48-50页 |
| ·BP网络材料性能在线识别模型 | 第50-59页 |
| ·输入项和输出项的设计 | 第50-51页 |
| ·训练样本的获得 | 第51-53页 |
| ·网络结构设计 | 第53-56页 |
| ·BP网络训练 | 第56-59页 |
| ·遗传算法优化的BP神经网络在线识别模型 | 第59-67页 |
| ·遗传算法原理 | 第60-61页 |
| ·遗传算法优化的BP神经网络模型的建立 | 第61-62页 |
| ·遗传算法优化的BP网络训练结果 | 第62-66页 |
| ·单输出的遗传算法优化BP网络 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 精密矫直行程预测控制模型研究 | 第68-78页 |
| ·引言 | 第68页 |
| ·行程预测控制模型 | 第68-69页 |
| ·控制模型软件功能与运行流程 | 第69-72页 |
| ·软件功能 | 第69-71页 |
| ·软件流程 | 第71-72页 |
| ·矫直工艺参数数据库的设计 | 第72-74页 |
| ·行程预测模块实现 | 第74-76页 |
| ·生成新样本 | 第74-75页 |
| ·行程预测 | 第75-76页 |
| ·材料参数在线识别模块实现 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 第6章 总结与展望 | 第78-80页 |
| ·全文总结 | 第78-79页 |
| ·研究展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-83页 |
