首页--工业技术论文--金属学与金属工艺论文--特种加工机床及其加工论文--光能加工设备及其加工论文

SLM打印金属零件成本分析与预测模型

致谢第4-5页
摘要第5-6页
Abstract第6-7页
第1章 绪论第10-22页
    1.1 课题背景及研究意义第10-12页
    1.2 增材制造成本相关领域研究现状第12-15页
        1.2.1 增材制造打印过程成本活动研究现状第12-13页
        1.2.2 增材制造多零件同时打印的成本分配研究现状第13-14页
        1.2.3 更快速准确的打印成本预测第14-15页
    1.3 论文研究内容和研究方法第15-19页
        1.3.1 论文主要研究内容第15-17页
        1.3.2 论文主要研究方法第17-19页
    1.4 全文内容组织架构第19-20页
    1.5 本章小结第20-22页
第2章 SLM打印金属零件的成本结构分解框架第22-36页
    2.1 成本分类第22页
    2.2 SLM工艺过程分析第22-25页
    2.3 SLM打印成本活动第25-32页
        2.3.1 SLM历史统计相关成本第26-28页
        2.3.2 SLM实际打印相关成本第28-32页
    2.4 SLM打印成本影响因素第32-35页
        2.4.1 SLM历史统计相关因素第33-34页
        2.4.2 SLM实际打印相关因素第34-35页
        2.4.3 相关因素总结分析第35页
    2.5 本章小结第35-36页
第3章 SLM打印成本相关的关键因素实验研究第36-53页
    3.1 实验准备第36-37页
        3.1.1 实验设备及材料第36-37页
        3.1.2 实验数据的获取第37页
    3.2 模型形状复杂度的定义第37-40页
        3.2.1 轮廓曲折变化度第38-39页
        3.2.2 整体饱满度第39-40页
        3.2.3 形状复杂度参数选择第40页
    3.3 实验方案设计第40-45页
        3.3.1 基于模型几何形状的实验设计第41-43页
        3.3.2 基于打印工艺参数的实验设计第43-45页
    3.4 特征参数的分析和选择第45-52页
        3.4.1 特征参数的分析第46-50页
        3.4.2 特征参数的选择第50-52页
    3.5 本章小结第52-53页
第4章 SLM打印成本预测建模与应用第53-77页
    4.1 模型算法介绍第53-54页
    4.2 基于回归算法的预测模型第54-62页
        4.2.1 回归模型的建立步骤第54-55页
        4.2.2 回归模型的预测结果第55-62页
    4.3 基于神经网络算法的预测模型第62-68页
        4.3.1 神经网络模型的建立步骤第62-64页
        4.3.2 神经网络的预测结果第64-68页
    4.4 SLM打印成本模型的案例应用第68-76页
        4.4.1 打印成本分配策略第68-70页
        4.4.2 不同打印场景下成本对比第70-75页
        4.4.3 成本模型的参数灵敏度分析第75-76页
    4.5 本章小结第76-77页
第5章 总结与展望第77-80页
    5.1 工作总结第77-78页
    5.2 研究展望第78-80页
参考文献第80-83页

论文共83页,点击 下载论文
上一篇:基于自动铺放工艺的预浸料丝束转向铺贴质量表征与调控
下一篇:面向五轴数控加工的刀具位姿优化及线性插补算法研究