| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-24页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-22页 |
| 1.3 主要内容研究 | 第22页 |
| 1.4 论文结构安排 | 第22-24页 |
| 第二章 零件疲劳寿命分析及建模 | 第24-36页 |
| 2.1 零件疲劳寿命理论分析 | 第24-28页 |
| 2.1.1 零件疲劳寿命理论 | 第25-27页 |
| 2.1.2 零件结构参数对模型寿命的影响 | 第27-28页 |
| 2.2 零件结构参数化后基于ANSYS的疲劳建模 | 第28-34页 |
| 2.2.1 模型分析 | 第28-29页 |
| 2.2.2 曲轴疲劳寿命有限元分析 | 第29-30页 |
| 2.2.3 曲轴载荷状况和边界条件 | 第30-34页 |
| 2.2.4 疲劳计算结果 | 第34页 |
| 2.3 本章小结 | 第34-36页 |
| 第三章 基于神经网络的零件寿命预测模型建模 | 第36-44页 |
| 3.1 零件寿命预测函数的函数模型建模 | 第36-38页 |
| 3.1.1 BP神经网络原理 | 第37-38页 |
| 3.1.2 零件寿命预测模型建模 | 第38页 |
| 3.2 基于数据驱动的神经网络预测模型建模 | 第38-41页 |
| 3.3 本章小结 | 第41-44页 |
| 第四章 基于遗传算法的零件疲劳定寿命结构参数优化求解模型 | 第44-48页 |
| 4.1 遗传算法概述 | 第44页 |
| 4.2 零件结构参数优化模型建模 | 第44-45页 |
| 4.3 零件结构参数优化模型求解方法 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于数据驱动的预测模型和优化求解模型验证 | 第48-66页 |
| 5.1 基于OPTIMUS的过程集成建模 | 第48-56页 |
| 5.1.1 输入变量和输出变量 | 第50-51页 |
| 5.1.2 输入文件与输入文件 | 第51-56页 |
| 5.2 数据收集与处理 | 第56-57页 |
| 5.3 寿命预测模型预测结果与理论分析 | 第57-62页 |
| 5.3.1 神经网络预测结果与分析 | 第58-60页 |
| 5.3.2 多元非线性回归预测结果 | 第60-61页 |
| 5.3.3 基于神经网络预测法与多元非线性回归预测法结果分析 | 第61-62页 |
| 5.4 基于遗传算法的零件结构参数优化结果分析 | 第62-63页 |
| 5.5 本章小结 | 第63-66页 |
| 第六章 结论与展望 | 第66-68页 |
| 6.1 结论 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 附录A | 第76-78页 |
| 附录B | 第78-84页 |