| 1 前言 | 第1-14页 |
| 1． 1 研究背景及现状分析 | 第9-11页 |
| 1． 1． 1 复合材料的发展背景及现状 | 第9-10页 |
| 1． 1． 2 超高模量和超高分子量聚乙烯纤维增强环氧树脂复合材料 | 第10-11页 |
| 1． 2 问题的提出 | 第11-12页 |
| 1． 3 本论文研究的主要内容及成果 | 第12-14页 |
| 2 超高分子量聚乙烯低温等离子体表面处理的基础实验 | 第14-23页 |
| 2． 1 表面处理实验的原理 | 第14-16页 |
| 2． 1． 1 用于高分材料中的低温等离子体 | 第14页 |
| 2． 1． 2 常用的产生等离子体的反应装置 | 第14-15页 |
| 2．1 ．3 处理参数的确定及问题的提出 | 第15-16页 |
| 2． 2 实验设计及主要材料 | 第16-17页 |
| 2． 2． 1 表面处理实验设计 | 第16-17页 |
| 2． 2． 2 表面处理实验主要材料 | 第17页 |
| 2． 3 用于表征纤维表面处理性能的参数确定 | 第17-20页 |
| 2． 3． 1 抗拉强度及初始模量测定 | 第17页 |
| 2． 3． 2 界面粘接强度的测量 | 第17-18页 |
| 2． 3． 3 纤维表面刻蚀坑深度的观测与计算 | 第18-19页 |
| 2． 3． 4 纤维表面能的观测计算 | 第19-20页 |
| 2． 4 用于表征纤维表面处理性能的基础实验 | 第20-23页 |
| 2． 4． 1 低温等离子体处理基础参数实验 | 第20-21页 |
| 2． 4． 2 等离子体处理参数对粘接强度影响的初步分析 | 第21页 |
| 2． 4． 3 等离子体处理参数的优化选择 | 第21-23页 |
| 3 人工神经网络概述 | 第23-28页 |
| 3． 1 人工神经网络的产生与发展 | 第23-24页 |
| 3． 1． 1 人工神经网络的产生 | 第23页 |
| 3． 1． 2 人工神经网络的发展 | 第23-24页 |
| 3． 2 人工神经网络的结构模型 | 第24-26页 |
| 3． 2． 1 人工神经元的结构模型 | 第24-25页 |
| 3． 2． 2 人工神经网络的结构模型 | 第25-26页 |
| 3． 3 人工神经网络的特点 | 第26-27页 |
| 3． 3． 1 人工神经网络的结构特点 | 第26页 |
| 3． 3． 2 人工神经网络的计算特点 | 第26-27页 |
| 3． 4 人工神经网络的类型 | 第27-28页 |
| 4 BP网络在超聚乙烯低温等离子体表面处理优化分析中的应用 | 第28-38页 |
| 4． 1 BP网络的模型结构 | 第28-29页 |
| 4． 2 BP网络的学习算法 | 第29-33页 |
| 4． 2． 1 标准BP算法及其评述 | 第29-30页 |
| 4． 2． 2 改进的BP算法 | 第30-33页 |
| 4． 3 超聚乙烯低温等离子体表面处理参数BP网络模型的建立 | 第33-35页 |
| 4． 4 应用结果与优化参数 | 第35-36页 |
| 4． 4． 1 网络参数的确定 | 第35页 |
| 4． 4． 2 网络权重与阈值的训练 | 第35页 |
| 4． 4． 3 BP网络模型精度的检验 | 第35-36页 |
| 4． 4． 4 模拟实验的结果与优化参数的确定 | 第36页 |
| 4． 5 结果与讨论 | 第36-38页 |
| 5 基于人工神经网络系统优化参数的表面处理实验及结果分析 | 第38-41页 |
| 5． 1 人工神经网络优化数据的表面处理实验 | 第38页 |
| 5． 2 优化参数实验样品的SEM观察实验 | 第38-40页 |
| 5． 3 内反射红外光谱和激光拉曼光谱分析 | 第40页 |
| 5． 4 表面光电子能谱化学分析 | 第40-41页 |
| 6 优化参数下低温等离子体表面处理对界面粘接性能的影响机理 | 第41-45页 |
| 6． 1 低温等离子体表面处理的机制 | 第41-42页 |
| 6． 2 优化参数下表面处理的界面脱粘机理 | 第42-43页 |
| 6． 3 综合表面处理方法 | 第43-45页 |
| 7 优化参数下低温等子体表面处理的其它影响 | 第45-52页 |
| 7． 1 优化参数下等离子体处理对纤维表面能的影响 | 第45-47页 |
| 7． 1． 1 处理时间对接触角和表面能的影响 | 第45-46页 |
| 7． 1． 2 表面能极性部分的增加与表面能增加的关系 | 第46页 |
| 7． 1． 3 处理功率对表面能的影响 | 第46-47页 |
| 7． 1． 4 处理真空度对表面能的影响 | 第47页 |
| 7． 1． 5 拉伸比对表面能的影响 | 第47页 |
| 7． 2 等离子体处理对纤维力学性能和表面形貌的影响 | 第47-49页 |
| 7． 2． 1 等离子体处理对纤维力学性能的影响 | 第47页 |
| 7． 2． 2 等离子体处理对纤维表面形貌的影响 | 第47-48页 |
| 7． 2． 3 等离子体处理对纤维内部结构没有影响 | 第48-49页 |
| 7． 3 优化参数下低温等离子体对纤维表面化学特性的影响 | 第49-52页 |
| 8 人工神经网络优化技术在材料分析中的其它应用 | 第52-59页 |
| 8． 1 材料设计的基本知识 | 第52页 |
| 8． 2 材料设计的主要途径 | 第52-54页 |
| 8． 2． 1 材料知识库和数据库技术 | 第53页 |
| 8． 2． 2 材料设计专家系统 | 第53-54页 |
| 8． 3 人工神经网络技术与材料设计的半经验方法 | 第54-56页 |
| 8． 3． 1 材料设计的共性与基本分析理论方法 | 第54-55页 |
| 8． 3． 2 复杂数据信息采掘与处理 | 第55-56页 |
| 8． 4 制备过程优化原理与人工神经网络技术的应用 | 第56-58页 |
| 8． 4． 1 材料制备过程优化的原理 | 第56页 |
| 8． 4． 2 人工神经网络技术应用--用于已有数据的加工 | 第56-57页 |
| 8． 4． 3 人工神经网络应用--用于辅助实验探索 | 第57-58页 |
| 8． 5 人工神经网络技术在材料分析中的不足 | 第58-59页 |
| 9 结论与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录BP算法主要源程序 | 第65-81页 |
