| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-21页 |
| ·等离子弧切割方法及应用 | 第12-15页 |
| ·等离子弧切割原理及分类 | 第12-13页 |
| ·等离子弧切割方法发展与应用 | 第13-15页 |
| ·人工神经网络及其在焊割技术中的应用 | 第15-18页 |
| ·人工神经网络概念及特点 | 第15-16页 |
| ·人工神经网络分类及在焊割行业中应用 | 第16-18页 |
| ·焊割过程优化方法 | 第18-20页 |
| ·Taguchi 正交实验法 | 第18-19页 |
| ·遗传算法(Genetic Algorithm,GA) | 第19页 |
| ·模拟退火 (Simulated Annealing,SA)算法 | 第19-20页 |
| ·研究目的与研究内容 | 第20-21页 |
| ·研究目的 | 第20页 |
| ·研究内容 | 第20-21页 |
| 第2章 BP 神经网络预测与优化模型建立 | 第21-36页 |
| ·标准BP 神经网络原理及其缺陷 | 第21-24页 |
| ·BP 神经网络工作原理 | 第21-24页 |
| ·标准BP 算法缺陷 | 第24页 |
| ·针对切割过程的改进型BP 算法 | 第24-26页 |
| ·附加动量项 | 第25页 |
| ·自适应学习率 | 第25页 |
| ·修改Sigmoid 激活函数 | 第25-26页 |
| ·改进型BP 网络学习过程实现 | 第26-31页 |
| ·训练参数设置 | 第26-27页 |
| ·数据归一化处理 | 第27-28页 |
| ·改进型BP 算法程序实现 | 第28-31页 |
| ·模拟退火优化算法 | 第31-35页 |
| ·模拟退火算法原理 | 第31页 |
| ·模拟退火算法实现 | 第31-33页 |
| ·基于BP 神经网络的模拟退火算法实现 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 基于BP 神经网络的预测与优化软件设计 | 第36-53页 |
| ·系统软件总体设计方案 | 第36-38页 |
| ·学习训练过程 | 第38-44页 |
| ·训练样本选择 | 第40页 |
| ·网络参数设置 | 第40-41页 |
| ·训练结果显示 | 第41-44页 |
| ·预测应用与三维显示 | 第44-47页 |
| ·预测应用 | 第44-45页 |
| ·三维显示 | 第45-47页 |
| ·基于BP 网络的SA 算法优化 | 第47-51页 |
| ·参数最优化 | 第49-50页 |
| ·目标值优化 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第4章 等离子弧切割质量预测与优化实例 | 第53-67页 |
| ·等离子弧切割试验数据 | 第53-55页 |
| ·基于BP 神经网络的切口形状预测模型 | 第55-64页 |
| ·等离子弧切割过程建模 | 第55-56页 |
| ·改进前后 BP 神经网络训练结果对比 | 第56-59页 |
| ·预测与三维显示 | 第59-64页 |
| ·基于BP 网络的切割过程SA 优化 | 第64-66页 |
| ·参数最优化 | 第64页 |
| ·目标值优化 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 附录1 训练过程主程序 | 第72-79页 |
| 附录2 三维显示主程序 | 第79-81页 |
| 致谢 | 第81-82页 |
| 详细摘要 | 第82-87页 |