BP神经网络算法及Ni-TiC复合镀层工艺—性能模型预测
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-16页 |
| ·课题研究的背景及意义 | 第7-8页 |
| ·脉冲复合电沉积技术 | 第8-9页 |
| ·脉冲复合电沉积技术的概述 | 第8页 |
| ·脉冲复合电沉积技术的原理 | 第8页 |
| ·脉冲复合电沉积技术的特点 | 第8-9页 |
| ·复合镀层的研究 | 第9-10页 |
| ·高硬度耐磨性复合镀层 | 第9页 |
| ·耐腐蚀性复合镀层 | 第9页 |
| ·自润滑性复合镀层 | 第9页 |
| ·光催化活性复合镀层 | 第9-10页 |
| ·电接触性能复合镀层 | 第10页 |
| ·耐高温复合镀层 | 第10页 |
| ·人工神经网络在国内外的研究和发展 | 第10-12页 |
| ·BP神经网络在材料科学中的发展与应用 | 第12-14页 |
| ·材料性能预测 | 第12页 |
| ·材料微观组织预测研究 | 第12-13页 |
| ·复合镀层中的研究 | 第13-14页 |
| ·本文的主要研究内容与创新之处 | 第14-16页 |
| 2 BP神经网络的基本理论与程序设计 | 第16-27页 |
| ·BP神经网络的概述 | 第16-21页 |
| ·BP神经网络原理 | 第16-17页 |
| ·BP神经网络结构模型 | 第17-19页 |
| ·BP神经网络算法 | 第19-21页 |
| ·BP算法的缺点 | 第21页 |
| ·BP算法的改进方法 | 第21-23页 |
| ·网络的设计 | 第23-24页 |
| ·网络的层数 | 第23页 |
| ·隐含层的神经元个数 | 第23-24页 |
| ·初始权值的选择 | 第24页 |
| ·学习速率 | 第24页 |
| ·BP神经网络工具箱函数 | 第24-25页 |
| ·BP基本程序 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 LM-BP神经网络模型的建立 | 第27-39页 |
| ·LM算法工作原理 | 第27-29页 |
| ·LM-BP网络拓扑结构 | 第29-31页 |
| ·神经网络工具箱的使用 | 第31-37页 |
| ·Matlab工具箱构造模型 | 第32-35页 |
| ·模型训练 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 4 Ni-Ti C复合镀层的工艺研究 | 第39-47页 |
| ·正交试验方法 | 第39页 |
| ·正交试验原理 | 第39-42页 |
| ·试验材料及试验方法 | 第42-43页 |
| ·试验装置 | 第42页 |
| ·镀液组成及工艺参数 | 第42页 |
| ·复合镀层微观组织观察及性能测试 | 第42-43页 |
| ·Ni-Ti C复合镀层制备正交试验设计法 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 5 Ni-Ti C复合镀层制备工艺建模 | 第47-56页 |
| ·数据处理 | 第47-48页 |
| ·Ni-Ti C镀层BP模型训练结果 | 第48-49页 |
| ·Ni-Ti C镀层BP模型的仿真 | 第49-51页 |
| ·BP网络的预测 | 第51-54页 |
| ·最佳工艺条件测试 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 6 Ni-Ti C复合镀层试验验证分析 | 第56-62页 |
| ·Ni-Ti C复合镀层微观组织形貌分析 | 第56-57页 |
| ·Ni-Ti C复合镀层的X射线衍射图谱分析 | 第57页 |
| ·Ni-Ti C复合镀层耐磨性能分析 | 第57-60页 |
| ·Ni-Ti C复合镀层耐蚀性能分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间的研究成果 | 第68页 |
