基于BP神经网络的辊弯成型力的预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-18页 |
| ·课题研究的意义 | 第10-13页 |
| ·辊弯成型研究的重要性 | 第10-12页 |
| ·研究目的和意义 | 第12-13页 |
| ·国内外研究现状及发展趋势 | 第13-15页 |
| ·国外辊弯成型的发展现状 | 第13-14页 |
| ·国内辊弯成型的发展现状 | 第14页 |
| ·下一代辊弯成型研究与发展 | 第14-15页 |
| ·有关有限元与神经网络相结合的研究 | 第15页 |
| ·有限元和神经网络的应用过程 | 第15-16页 |
| ·课题的主要研究内容 | 第16-18页 |
| 2 辊弯成型有限元模型的建立 | 第18-37页 |
| ·有限元概论 | 第18-20页 |
| ·有限元法的解题步骤 | 第18-19页 |
| ·有限元分析软件ABAQUS | 第19-20页 |
| ·辊弯成型分析 | 第20-22页 |
| ·辊弯成型变形的特点 | 第20-21页 |
| ·变形过程的简化分析 | 第21页 |
| ·辊弯成型过程中成型力的分析 | 第21-22页 |
| ·模型的简化 | 第22页 |
| ·试验方案的确立 | 第22页 |
| ·模拟方法的选择 | 第22-24页 |
| ·建模过程 | 第24-31页 |
| ·材料的本构模型 | 第24-26页 |
| ·轧辊的设计 | 第26-27页 |
| ·单元类型的选择 | 第27-28页 |
| ·分析步的设置 | 第28页 |
| ·接触分析 | 第28-30页 |
| ·边界条件的处理 | 第30页 |
| ·载荷和初始条件的处理 | 第30-31页 |
| ·提交作业及运行 | 第31页 |
| ·模拟结果与分析 | 第31-36页 |
| ·板材厚度的影响 | 第32-33页 |
| ·弯曲角度的影响 | 第33-36页 |
| ·小结 | 第36-37页 |
| 3 BP神经网络模型及其算法 | 第37-45页 |
| ·BP神经网络简介 | 第37-42页 |
| ·BP网络结构 | 第37-39页 |
| ·BP学习算法 | 第39-42页 |
| ·BP网络的缺陷 | 第42-43页 |
| ·BP算法的改进 | 第43-44页 |
| ·小结 | 第44-45页 |
| 4 预测模型的设计与MATLAB实现 | 第45-56页 |
| ·神经网络预测的一般步骤 | 第45页 |
| ·网络结构的设计原则 | 第45-47页 |
| ·隐层的层数 | 第45页 |
| ·各层神经元数的数目 | 第45-46页 |
| ·传递函数 | 第46页 |
| ·初始权值 | 第46页 |
| ·学习速率 | 第46-47页 |
| ·训练目标 | 第47页 |
| ·模型的确定 | 第47-48页 |
| ·数据的预处理 | 第48-49页 |
| ·数据来源 | 第48页 |
| ·样本数据的处理 | 第48-49页 |
| ·网络训练 | 第49-53页 |
| ·训练目标的确定 | 第51页 |
| ·隐层神经元数的确定 | 第51-52页 |
| ·动量因子的确定 | 第52页 |
| ·学习速率的确定 | 第52-53页 |
| ·神经网络的预测结果 | 第53-55页 |
| ·小结 | 第55-56页 |
| 5 结论与展望 | 第56-58页 |
| ·结论 | 第56页 |
| ·后续研究的展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 在校研究成果 | 第61-62页 |
| 致谢 | 第62页 |
