摘要 | 第1-5页 |
Abstract | 第5-11页 |
1 绪论 | 第11-15页 |
·引言 | 第11-12页 |
·激光加工技术简述 | 第12-13页 |
·激光加工技术的定义及其特点 | 第12页 |
·激光加工技术的应用领域 | 第12-13页 |
·课题研究的背景、意义 | 第13-14页 |
·课题研究的主要内容 | 第14-15页 |
2 激光表面硬化工艺技术 | 第15-24页 |
·激光表面硬化原理、特点和适用范围以及与其它几种表面淬火技术比较 | 第15-17页 |
·激光表面硬化基本原理 | 第15页 |
·激光表面硬化主要特点 | 第15-16页 |
·激光表面硬化适用范围 | 第16页 |
·激光表面硬化与其它几种表面淬火技术比较 | 第16-17页 |
·激光表面硬化工艺 | 第17-20页 |
·工件材料表面的预处理及吸光涂料的制备 | 第17-19页 |
·激光表面硬化工艺分类 | 第19页 |
·激光表面硬化工艺参数及相互关系 | 第19-20页 |
·激光表面硬化的基础工艺装备 | 第20-22页 |
·激光表面硬化的应用和研究现状 | 第22-23页 |
·本章小结 | 第23-24页 |
3 激光表面硬化指标的预测模型 | 第24-43页 |
·激光表面硬化试验 | 第24-27页 |
·试验方法 | 第24-25页 |
·试验设备 | 第24页 |
·试验材料与试样制备 | 第24-25页 |
·试样材料表面的预处理 | 第25页 |
·试验数据采集 | 第25-27页 |
·硬化层指标预测模型建立的意义 | 第27-28页 |
·基于BP神经网络的激光表面硬化指标预测模型 | 第28-39页 |
·人工神经网络概述 | 第28页 |
·BP神经网络简介 | 第28-30页 |
·基于MATLAB的BP神经网络的设计步骤 | 第30-31页 |
·BP网络的初始化 | 第30-31页 |
·BP网络的创建 | 第31页 |
·BP网络的训练 | 第31页 |
·BP网络的仿真 | 第31页 |
·气缸套BP神经网络预测模型的构建 | 第31-39页 |
·影响因子确定 | 第32页 |
·神经网络拓扑结构分析 | 第32-33页 |
·使用数据的标准化处理 | 第33-34页 |
·气缸套BP神经网络模型的训练及检验 | 第34-39页 |
·基于MATLAB的人机交互界面的实现 | 第39-41页 |
·MATLAB简介 | 第39-40页 |
·激光表面硬化指标预测系统的用户界面 | 第40-41页 |
·BP算法存在的不足及改进算法 | 第41-42页 |
·本章小结 | 第42-43页 |
4 汽车HT150缸套激光表面硬化最佳工艺参数的研究 | 第43-52页 |
·基于正交表的试验数据方案的设计 | 第43-44页 |
·基于预测系统的试验数据的硬化指标预测结果 | 第44-47页 |
·基于正交分析的最佳激光表面硬化工艺参数的确定 | 第47-51页 |
·激光硬化层表面硬度的正交分析 | 第48-49页 |
·激光硬化层深度的正交分析 | 第49-50页 |
·小结 | 第50-51页 |
·最佳工艺参数的硬化指标预测结果的试验验证 | 第51页 |
·本章小结 | 第51-52页 |
5 激光工艺参数对硬化层指标影响规律的研究 | 第52-66页 |
·激光表面硬化指标 | 第52-53页 |
·激光工艺参数对表面硬度影响 | 第53-58页 |
·激光功率对表面硬度影响 | 第53-55页 |
·扫描速度对表面硬度影响 | 第55-56页 |
·光斑直径对表面硬度影响 | 第56-58页 |
·激光工艺参数对层深影响 | 第58-63页 |
·激光功率对层深影响 | 第58-60页 |
·扫描速度对层深影响 | 第60-62页 |
·光斑直径对层深影响 | 第62-63页 |
·综合影响因子P/(DV)值对表面硬度及层深的影响 | 第63-65页 |
·本章小结 | 第65-66页 |
6 实例应用 | 第66-71页 |
·引言 | 第66页 |
·技术要求 | 第66页 |
·缸套激光表面硬化网纹 | 第66-68页 |
·设备 | 第68-69页 |
·修复汽车发动机缸体所用缸套材料的表面预处理 | 第69页 |
·缸套的最佳激光表面硬化工艺参数的确定 | 第69页 |
·修复效果 | 第69-70页 |
·本章小结 | 第70-71页 |
7 结论与展望 | 第71-73页 |
·结论 | 第71-72页 |
·展望 | 第72-73页 |
参考文献 | 第73-75页 |
致谢 | 第75-76页 |
个人简历 在学期间发表的学术论文 | 第76页 |