| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究的背景及意义 | 第10页 |
| 1.2 聚酰亚胺的摩擦学研究现状 | 第10-12页 |
| 1.3 神经网络的研究现状 | 第12-13页 |
| 1.4 支持向量机的研究现状 | 第13-14页 |
| 1.5 课题的主要研究内容及技术路线 | 第14-16页 |
| 第2章 PI热模压网络模型的建立及分析 | 第16-44页 |
| 2.1 引言 | 第16页 |
| 2.2 热模压优化方法与模型训练样本 | 第16-19页 |
| 2.3 神经网络 | 第19-22页 |
| 2.3.1 BP神经网络的结构与特点 | 第20-21页 |
| 2.3.2 BP神经网络的学习算法 | 第21-22页 |
| 2.4 PI热模压BP神经网络预测模型 | 第22-30页 |
| 2.4.1 PI热模压BP神经网络模型的结构 | 第22-25页 |
| 2.4.2 PI热模压BP神经网络模型的参数选择 | 第25-27页 |
| 2.4.3 PI热模压BP神经网络模型的的训练与检验 | 第27-30页 |
| 2.5 支持向量机 | 第30-35页 |
| 2.5.1 最优超平面 | 第31-32页 |
| 2.5.2 基本原理及核函数 | 第32-34页 |
| 2.5.3 支持向量机回归机 | 第34-35页 |
| 2.6 基于LS-SVM的PI热模压预测模型 | 第35-43页 |
| 2.6.1 LS-SVM的特点及核函数选择 | 第36页 |
| 2.6.2 惩罚参数?、核参数? 的确定 | 第36-37页 |
| 2.6.3 建立并分析PI热模压的LS-SVM回归模型 | 第37-43页 |
| 2.7 本章小结 | 第43-44页 |
| 第3章 PI摩擦学性能网络模型的建立及分析 | 第44-55页 |
| 3.1 引言 | 第44页 |
| 3.2 热模压成型PI摩擦学试验 | 第44-48页 |
| 3.2.1 实验设备 | 第44-45页 |
| 3.2.2 试样设计及试验条件 | 第45页 |
| 3.2.3 试验步骤 | 第45-46页 |
| 3.2.4 试验结果处理 | 第46-48页 |
| 3.3 摩擦磨损性能预测建模 | 第48-54页 |
| 3.3.1 PI亚胺化过程的LS-SVM模型 | 第48-50页 |
| 3.3.2 PI亚胺化过程的LS-SVM模型 | 第50-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第4章 热模压成型PI摩擦学性能的研究 | 第55-63页 |
| 4.1 引言 | 第55页 |
| 4.2 亚胺化时间对PI摩擦磨损性能的影响 | 第55-57页 |
| 4.3 乙酸酐的量对PI摩擦磨损性能的影响 | 第57-60页 |
| 4.4 三乙胺的量对PI摩擦磨损性能的影响 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |