首页--工业技术论文--轻工业、手工业论文--纺织工业、染整工业论文--棉纺织论文--棉花初加工论文

锯齿轧花过程的计算机模拟

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

论文共76页,点击 下载论文
上一篇:Al掺杂ZnO透明导电红外反射薄膜的制备与性能研究
下一篇:石墨烯/半导体肖特基结太阳能电池