摘要 | 第3-4页 |
Abstract | 第4页 |
第1章 绪论 | 第7-19页 |
1.1 课题来源及研究意义 | 第7页 |
1.2 关于薄壁注塑成型技术的调研 | 第7-12页 |
1.2.1 薄壁注射成型技术提出的背景 | 第7-8页 |
1.2.2 薄壁注射成型技术的研究现状 | 第8-10页 |
1.2.3 薄壁注射成型技术的特点及存在的不足 | 第10-12页 |
1.3 薄壁件的翘曲变形研究进展 | 第12-13页 |
1.3.1 浇注系统对翘曲影响研究 | 第13页 |
1.3.2 注塑工艺参数对翘曲的研究 | 第13页 |
1.4 薄壁注塑成型翘曲变形研究方法 | 第13-18页 |
1.4.1 非梯度类方法 | 第14-15页 |
1.4.2 智能类优化方法 | 第15-16页 |
1.4.3 智能类算法代理模型建立方法 | 第16-17页 |
1.4.4 其它优化技术 | 第17页 |
1.4.5 优化方法的发展方向 | 第17-18页 |
1.5 本文主要研究的内容 | 第18-19页 |
第2章 大型薄壁件的浇注系统优化 | 第19-28页 |
2.1 模流分析的流程简介 | 第19页 |
2.2 模流分析的网格划分 | 第19-22页 |
2.3 电表箱外壳的材料特性 | 第22-23页 |
2.4 电表箱外壳浇注系统优化 | 第23-27页 |
2.4.1 原浇注方案及其 CAE 分析 | 第23-25页 |
2.4.2 浇注系统优化设计 | 第25-27页 |
2.5 本章小结 | 第27-28页 |
第3章 注塑成型多工艺参数优化 | 第28-35页 |
3.1 正交试验简介 | 第28-29页 |
3.2 正交试验设计与仿真试验 | 第29-34页 |
3.2.1 正交试验法优化设计 | 第29-31页 |
3.2.2 分析模拟结果 | 第31-34页 |
3.3 本章小结 | 第34-35页 |
第4章 关于工艺参数的 BP 神经网格建模 | 第35-45页 |
4.1 人工神经网格简介 | 第35-37页 |
4.1.1 人工神经网络的特征 | 第35页 |
4.1.2 BP 神经网络 | 第35页 |
4.1.3 数值优化的 BP 神经网络训练算法 | 第35-37页 |
4.2 注塑工艺参数的 BP 神经网络建模 | 第37-44页 |
4.2.1 BP 神经网络模型的建立过程 | 第37-39页 |
4.2.2 四种算法对比确定 BP 神经网格模型 | 第39-44页 |
4.3 本章小结 | 第44-45页 |
第5章 基于 BP 神经网格的翘曲优化 | 第45-49页 |
5.1 基于 BP 神经网格模型的注塑工艺参数优化 | 第45-47页 |
5.1.1 优化流程 | 第45页 |
5.1.2 优化过程 | 第45-47页 |
5.2 检验 ANN 模型模拟所得最优组合 | 第47-48页 |
5.3 本章小结 | 第48-49页 |
第6章 结论与展望 | 第49-50页 |
6.1 结论 | 第49页 |
6.2 展望 | 第49-50页 |
致谢 | 第50-51页 |
参考文献 | 第51-54页 |
攻读学位期间的研究成果 | 第54页 |