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 |