| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 轧花生产内外研究现状 | 第12-15页 |
| 1.2.1 籽原生品质对轧花生产影响的内外研究 | 第12-13页 |
| 1.2.2 轧花机参数结构对轧花生产影响的内外研究 | 第13-14页 |
| 1.2.3 轧花生产中存在的主要问题 | 第14-15页 |
| 1.3 主要研究内容 | 第15-17页 |
| 第二章 纤维粘弹性性能研究 | 第17-33页 |
| 2.1 纤维粘弹性简介 | 第17-18页 |
| 2.2 松弛蠕变的模拟应用 | 第18-21页 |
| 2.2.1 粘弹性材料蠕变及应力松弛 | 第18-19页 |
| 2.2.2 蠕变松弛模型的基本原件 | 第19页 |
| 2.2.3 表达蠕变松弛的基本模型 | 第19-20页 |
| 2.2.4 两种基本模型的分析 | 第20-21页 |
| 2.3 纤维粘弹性力学模型研究 | 第21-23页 |
| 2.4 纤维力学性能模型的试验验证 | 第23-29页 |
| 2.4.1 细度试验 | 第23-24页 |
| 2.4.2 力学性能试验 | 第24-27页 |
| 2.4.3 实验数据分析及模型验证 | 第27-29页 |
| 2.5 浸湿状态下纤维力学性能研究 | 第29-32页 |
| 2.5.1 浸湿状态下纤维力学性能试验 | 第29-31页 |
| 2.5.2 状态下纤维力学性能分析 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 齿轧花过程的有限元分析 | 第33-47页 |
| 3.1 齿轧花机原理 | 第33-34页 |
| 3.2 ANSYS及粘弹性原理简介 | 第34-36页 |
| 3.2.1 ANSYS介绍 | 第34页 |
| 3.2.2 粘弹性对应原理 | 第34-36页 |
| 3.3 粘弹性参数确定及有限元分析 | 第36-41页 |
| 3.3.1 粘弹性参数确定方法 | 第36-39页 |
| 3.3.2 ANSYS分析 | 第39-41页 |
| 3.4 影响锯齿轧花生产的因素分析 | 第41-46页 |
| 3.4.1 轧花速度对轧花生产的影响分析 | 第41-43页 |
| 3.4.2 卷密度对轧花生产的影响分析 | 第43-45页 |
| 3.4.3 对轧花生产的影响分析 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于BP神经网络的原棉品质分析 | 第47-57页 |
| 4.1 原品质指标构成 | 第47页 |
| 4.2 BP神经网络的基本理论 | 第47-51页 |
| 4.2.1 BP网络神经元模型 | 第48-49页 |
| 4.2.2 BP神经网络结构 | 第49-50页 |
| 4.2.3 BP网络学习规则 | 第50-51页 |
| 4.3 原品质预测及轧花速度预测问题研究 | 第51-56页 |
| 4.3.1 机采原品质指标预测 | 第51-54页 |
| 4.3.2 轧花速度的反向预测研究 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 基于神经网络的齿轧花速度预测研究 | 第57-69页 |
| 5.1 基于BP神经网络的轧花速度预测 | 第57-62页 |
| 5.1.1 轧花过程中支反力求解 | 第57-58页 |
| 5.1.2 网络设计 | 第58-60页 |
| 5.1.3 BP神经网络样本训练 | 第60-61页 |
| 5.1.4 BP神经网络预测结果与分析 | 第61-62页 |
| 5.2 GA-BP神经网络基本理论 | 第62-65页 |
| 5.2.1 BP神经网络的主要缺点 | 第62-63页 |
| 5.2.2 GA-BP原理 | 第63-64页 |
| 5.2.3 遗传算法的基本参数 | 第64-65页 |
| 5.3 基于遗传算法优化的BP神经网络轧花速度预测研究 | 第65-68页 |
| 5.3.1 遗传算法基本参数的确定 | 第65页 |
| 5.3.2 遗传算法优化BP网络 | 第65-67页 |
| 5.3.3 预测结果分析 | 第67页 |
| 5.3.4 优化前分析比较 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 结论展望 | 第69-71页 |
| 6.1 结论 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表的学术论文 | 第75-76页 |
| 致谢 | 第76页 |