| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 课题研究背景 | 第12-13页 |
| 1.2 塑料成型工艺优化研究的发展 | 第13-15页 |
| 1.3 分级注射成型技术 | 第15-18页 |
| 1.3.1 分级注射成型简介 | 第15页 |
| 1.3.2 分级注射成型研究现状 | 第15-18页 |
| 1.4 课题研究意义和研究主要工作内容 | 第18-22页 |
| 1.4.1 课题的研究意义 | 第18-19页 |
| 1.4.2 课题研究的主要工作内容 | 第19-22页 |
| 第二章 分级注射成型过程数值模拟基础 | 第22-32页 |
| 2.1 分级注射成型应用简介 | 第22-23页 |
| 2.2 高分子流体的流变行为 | 第23-27页 |
| 2.2.1 牛顿流体及其流变行为 | 第23-24页 |
| 2.2.2 非牛顿流体及其流变行为 | 第24-25页 |
| 2.2.3 影响高分子流体剪切黏度的主要因素 | 第25-27页 |
| 2.3 浇注系统数学模型 | 第27页 |
| 2.4 分级注射成型各阶段数学模型 | 第27-30页 |
| 2.4.1 熔体充模过程数学理论 | 第27-29页 |
| 2.4.2 熔体冷却过程数学理论 | 第29-30页 |
| 2.5 翘曲变形过程数学理论 | 第30-31页 |
| 2.6 本章总结 | 第31-32页 |
| 第三章 基于CAE的电动车头罩分级注射成型模拟仿真 | 第32-60页 |
| 3.1 Moldflow2016简介和分析流程介绍 | 第32-33页 |
| 3.1.1 Moldflow2016简介 | 第32-33页 |
| 3.1.2 基本分析流程介绍 | 第33页 |
| 3.2 电动车头罩分级注射成型分析模型建立 | 第33-45页 |
| 3.2.1 电动车头罩3D模型 | 第33-34页 |
| 3.2.2 网格划分和网格修复 | 第34-36页 |
| 3.2.3 成型工艺和材料的选取 | 第36-39页 |
| 3.2.4 浇注系统的创建 | 第39-43页 |
| 3.2.5 冷却系统的创建 | 第43-45页 |
| 3.3 电动车头罩分级注射的分段设置 | 第45-49页 |
| 3.3.1 工艺参数初步选取 | 第45-46页 |
| 3.3.2 注塑机的选取 | 第46页 |
| 3.3.3 分级原理及分级设定 | 第46-49页 |
| 3.4 分级注射成型预分析 | 第49-54页 |
| 3.4.1 流动分析 | 第49-51页 |
| 3.4.2 冷却分析 | 第51-53页 |
| 3.4.3 翘曲分析 | 第53-54页 |
| 3.5 分析模型有效性验证 | 第54-59页 |
| 3.5.1 有效性验证流程 | 第54-55页 |
| 3.5.2 质量指标确定 | 第55-57页 |
| 3.5.3 实际成型过程模拟与分析模型有效性验证 | 第57-59页 |
| 3.6 本章总结 | 第59-60页 |
| 第四章 基于正交试验设计的TOPSIS多指标工艺参数优化 | 第60-72页 |
| 4.1 正交试验设计 | 第60-62页 |
| 4.1.1 正交实验设计简介 | 第60页 |
| 4.1.2 实验因子及其范围确定 | 第60-62页 |
| 4.2 TOPSIS多指标评价模型建立 | 第62-65页 |
| 4.2.1 TOPSIS分析法基本理论 | 第62页 |
| 4.2.2 TOPSIS模型建立基本流程 | 第62-63页 |
| 4.2.3 评价指标同趋化 | 第63页 |
| 4.2.4 评价指标的无量纲化 | 第63-64页 |
| 4.2.5 权重系数的确定 | 第64页 |
| 4.2.6 D~+、D~-的计算 | 第64-65页 |
| 4.2.7 TOPSIS评价指数C_i计算 | 第65页 |
| 4.3 基于正交试验的多指标方案 | 第65-66页 |
| 4.4 试验结果计算、分析与对比 | 第66-71页 |
| 4.4.1 权重系数计算和TOPSIS评价结果 | 第67-69页 |
| 4.4.2 均值、极差和方差分析 | 第69-71页 |
| 4.4.3 CAE验证和对比分析 | 第71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 基于GRNN的多指标工艺参数优化 | 第72-80页 |
| 5.1 基于TOPSIS综合评价的正交试验 | 第72页 |
| 5.2 广义回归神经网络(GRNN)模型建立 | 第72-75页 |
| 5.2.1 广义回归神经网络(GRNN)简介 | 第72-73页 |
| 5.2.2 GRNN网络的基本结构和原理 | 第73-74页 |
| 5.2.3 网络训练和数据预处理 | 第74-75页 |
| 5.3 GRNN网络模型验证 | 第75-77页 |
| 5.4 GRNN网络工艺参数寻优 | 第77-78页 |
| 5.5 最终结果对比分析 | 第78-79页 |
| 5.6 本章小结 | 第79-80页 |
| 第六章 结论与展望 | 第80-84页 |
| 6.1 研究的主要工作内容 | 第80页 |
| 6.2 主要结论 | 第80-81页 |
| 6.3 展望 | 第81-84页 |
| 致谢 | 第84-86页 |
| 参考文献 | 第86-92页 |
| 附录 硕士阶段发表的论文、专利和参与的科研项目 | 第92页 |
