首页--工业技术论文--化学工业论文--合成树脂与塑料工业论文--一般性问题论文--生产过程与生产工艺论文--成型加工论文

模拟退火遗传算法优化的BP网络在翘曲量预测中的应用

摘要第1-6页
ABSTRACT第6-8页
目录第8-10页
第一章 绪论第10-23页
   ·注塑成型研究背景及意义第10-11页
     ·注塑成型研究背景第10页
     ·监控设备外壳注塑成型研究意义第10-11页
   ·注塑成型及优化技术国内外研究现状第11-19页
     ·注塑成型质量及预测研究现状第11-13页
     ·注塑参数优化研究现状第13-15页
     ·模拟退火遗传算法的研究现状第15-17页
     ·基于模拟退火遗传算法优化的神经网络研究现状第17-19页
   ·论文主要研究内容和技术路线第19-22页
     ·论文主要研究内容第19-21页
     ·论文技术路线第21-22页
   ·本章小结第22-23页
第二章 注塑成型数值模拟实验设计及仿真分析第23-36页
   ·基于田口方法的成型工艺参数实验设计第23-29页
     ·经典试验设计方法概述第23-24页
     ·田口试验方法简介第24-25页
     ·数值模拟实验的正交表设计第25-26页
     ·试验指标与试验因素的确定第26-27页
     ·数值模拟实验方案的确定第27-29页
   ·注塑成型数值模拟分析第29-35页
     ·注塑成型数值模拟技术概述第29-30页
     ·注塑成型数值模拟软件简介第30-31页
     ·零件分析方案第31-35页
   ·本章小结第35-36页
第三章 数值模拟结果分析第36-49页
   ·正交试验分析方法对实验结果的分析第36-39页
     ·信噪比分析第36-37页
     ·均值分析(ANOM)第37-38页
     ·变量分析(ANOVA)第38-39页
   ·回归方法对实验结果的分析第39-48页
     ·回归分析相关理论基础第40页
     ·SPSS软件简介第40-41页
     ·多元线性回归数学模型概述第41-42页
     ·多元线性回归方程的创建第42-44页
     ·模型参数求解第44-47页
     ·回归模型的拟合值评价及残差分析第47-48页
   ·本章小结第48-49页
第四章 BP神经网络预测模型的构建第49-59页
   ·人工神经网络概述第49-50页
   ·BP神经网络模型简介第50-53页
     ·BP神经网络数学模型第50-52页
     ·BP神经网络的实现第52-53页
   ·BP神经网络模型的构建及其对的翘曲量预测第53-58页
     ·原始数据处理第53-55页
     ·BP神经网络结构的确定第55-57页
     ·BP神经网络预测结果分析第57-58页
   ·本章小结第58-59页
第五章 基于模拟退火遗传算法优化的BP网络模型构建第59-81页
   ·遗传算法模型概述第59-63页
     ·遗传算法的马氏链模型第59-61页
     ·遗传算法的运算步骤第61页
     ·遗传算法关键参数设计第61-63页
   ·模拟退火算法模型概述第63-67页
     ·模拟退火算法原理第63-64页
     ·模拟退火算法的马氏链模型第64-65页
     ·模拟退火算法的运算步骤第65页
     ·模拟退火算法关键参数与设计第65-67页
   ·模拟退火遗传算法概述第67-71页
     ·模拟退火遗传算法基本思想第67-68页
     ·模拟退火遗传算法特点第68页
     ·模拟退火遗传算法的马氏链模型第68-70页
     ·模拟退火遗传算法步骤第70-71页
   ·基于模拟退火遗传算法优化的BP神经网络模型的构建第71-75页
     ·基于模拟退火遗传算法优化的BP神经网络概述第71-72页
     ·基于模拟退火遗传算法优化的BP神经网络模型的实现第72-75页
   ·优化后BP神经网络模型对翘曲量的预测第75-80页
     ·训练样本和测试样本数据的构建第75-76页
     ·模拟退火遗传算法优化的BP神经网络参数设计第76-77页
     ·实验结果分析第77-80页
   ·本章小结第80-81页
第六章 总结与展望第81-83页
   ·论文工作总结第81-82页
   ·研究成果展望第82-83页
参考文献第83-87页
攻读硕士期间发表论文第87-88页
致谢第88-89页

论文共89页,点击 下载论文
上一篇:水煤浆气化喷嘴冷态模化试验研究与新型喷嘴开发研究
下一篇:铁掺杂TiO2光催化剂的制备、表征及光催化固氮性能研究