| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第一章 绪论 | 第14-29页 |
| ·引言 | 第14-15页 |
| ·拉弯成形技术研究现状 | 第15-20页 |
| ·拉弯成形解析分析 | 第16-18页 |
| ·拉弯成形有限元分析 | 第18-19页 |
| ·实验研究 | 第19-20页 |
| ·钣金成形过程智能控制技术发展现状 | 第20-25页 |
| ·材料性能参数在线实时识别的研究现状 | 第21-23页 |
| ·成形精度预测与控制 | 第23-25页 |
| ·人工神经网络的发展及其在钣金成形领域的应用 | 第25-27页 |
| ·神经网络的基本概念与发展 | 第25-26页 |
| ·人工神经网络在钣金成形中的应用 | 第26-27页 |
| ·本论文选题的意义及主要研究内容 | 第27-29页 |
| ·本文的研究意义 | 第27-28页 |
| ·本文的主要研究内容 | 第28-29页 |
| 第二章 拉弯成形过程力学分析 | 第29-65页 |
| ·引言 | 第29-30页 |
| ·弹塑性增量计算方法 | 第30-40页 |
| ·塑性力学基本法则 | 第30-33页 |
| ·应力应变关系 | 第33-35页 |
| ·弹塑性状态和本构关系的积分 | 第35-37页 |
| ·虚功原理 | 第37-39页 |
| ·摩擦模型 | 第39-40页 |
| ·拉弯成形力学分析基本假设 | 第40页 |
| ·拉弯过程运动学模型 | 第40-44页 |
| ·研究对象 | 第40-41页 |
| ·拉弯机的工作原理简介 | 第41-42页 |
| ·拉弯成形过程运动关系描述 | 第42-44页 |
| ·模具形状函数 | 第44页 |
| ·侧压轮形状函数 | 第44页 |
| ·拉弯成形过程力学模型 | 第44-63页 |
| ·预拉阶段力学分析 | 第44-45页 |
| ·无侧压拉弯弯曲过程力学分析 | 第45-50页 |
| ·有侧压拉弯力学分析 | 第50-63页 |
| ·回弹计算模型 | 第63-64页 |
| ·弯矩回弹 | 第63-64页 |
| ·线回弹角计算 | 第64页 |
| ·本章小结 | 第64-65页 |
| 第三章 拉弯成形的回弹机理研究 | 第65-85页 |
| ·引言 | 第65页 |
| ·主要算法程序流程 | 第65-67页 |
| ·解析计算结果分析 | 第67-78页 |
| ·无侧压拉弯应力应变及回弹分析 | 第68-72页 |
| ·有侧压拉弯应力应变及回弹分析 | 第72-77页 |
| ·型材截面尺寸回弹的影响 | 第77-78页 |
| ·摩擦系数对回弹的影响分析 | 第78页 |
| ·拉弯成形过程的数值模拟 | 第78-83页 |
| ·摩擦系数对无侧压拉弯回弹影响的数值模拟结果 | 第79-80页 |
| ·预拉力对拉弯回弹影响的数值模拟结果 | 第80-81页 |
| ·侧压力对拉弯回弹影响的数值模拟结果 | 第81-83页 |
| ·解析计算与有限元计算及实验比较 | 第83页 |
| ·本章小结 | 第83-85页 |
| 第四章 成形过程材料物性参数及摩擦系数辨识模型 | 第85-103页 |
| ·引言 | 第85页 |
| ·在线监测量和辨识量的确定 | 第85-87页 |
| ·在线监测量的中值平均滤波法 | 第87-88页 |
| ·人工神经网络技术 | 第88-93页 |
| ·人工神经网络的概述 | 第88页 |
| ·人工神经网络的结构与原理 | 第88-90页 |
| ·BP神经网络 | 第90-93页 |
| ·预拉阶段材料物性参数的辨识 | 第93-95页 |
| ·预拉过程中弹性模量E的辨识 | 第94-95页 |
| ·屈服强度σ_s的辨识 | 第95页 |
| ·无侧压拉弯弯曲阶段摩擦系数和材料物性参数的辨识 | 第95-99页 |
| ·无侧压拉弯弯曲阶段摩擦系数的辨识 | 第96页 |
| ·无侧压拉弯弯曲阶段材料物性参数的辨识 | 第96-99页 |
| ·有侧压拉弯弯曲阶段材料物性参数及摩擦系数的辨识 | 第99-102页 |
| ·有侧压拉弯材料物性参数及摩擦系数辨识的 BP神经网络模型结构设计 | 第99-100页 |
| ·训练及检验结果 | 第100-102页 |
| ·本章小结 | 第102-103页 |
| 第五章 成形过程回弹预测及智能控制模型 | 第103-115页 |
| ·引言 | 第103页 |
| ·拉弯成形工艺参数数据库设计 | 第103-106页 |
| ·数据库在板材成形中的应用 | 第103-104页 |
| ·拉弯成形工艺参数关系数据库模型 | 第104-106页 |
| ·基于 BP神经网络的拉弯回弹预测模型 | 第106-109页 |
| ·训练样本数据的获取 | 第106-107页 |
| ·网络结构的确定 | 第107页 |
| ·网络训练工具 | 第107-108页 |
| ·BP网络的训练 | 第108-109页 |
| ·预测结果及精度分析 | 第109页 |
| ·基于神经网络的拉弯智能控制模型 | 第109-114页 |
| ·神经网络在控制系统中的应用 | 第109-110页 |
| ·神经网络智能控制在板材成形领域的应用 | 第110-111页 |
| ·基于神经网络和数据库的拉弯成形智能控制 | 第111-114页 |
| ·本章小结 | 第114-115页 |
| 第六章 拉弯成形智能控制实验系统设计开发 | 第115-139页 |
| ·引言 | 第115页 |
| ·数控拉弯机设计开发 | 第115-133页 |
| ·液压系统改进设计 | 第116-117页 |
| ·控制系统硬件设计开发 | 第117-122页 |
| ·数控系统软件设计开发 | 第122-132页 |
| ·数控拉弯机达到的技术性能指标 | 第132-133页 |
| ·智能控制系统开发 | 第133-138页 |
| ·拉弯机过程控制主要功能的逻辑关系 | 第133页 |
| ·智能控制系统功能 | 第133-135页 |
| ·系统运行流程 | 第135-136页 |
| ·系统运行效果 | 第136-138页 |
| ·本章小结 | 第138-139页 |
| 第七章 拉弯成形试验研究 | 第139-161页 |
| ·引言 | 第139页 |
| ·试验目的 | 第139页 |
| ·试验设备及材料选择 | 第139-140页 |
| ·拉弯试验引用标准 | 第139-140页 |
| ·试验设备及材料 | 第140页 |
| ·拉弯成形试验过程 | 第140-142页 |
| ·试验过程准备 | 第140-141页 |
| ·拉弯过程 | 第141-142页 |
| ·测量数据 | 第142页 |
| ·拉弯成形试验内容 | 第142-150页 |
| ·单向拉伸实验 | 第142-143页 |
| ·拉压实验 | 第143-145页 |
| ·拉弯摩擦系数的测量 | 第145页 |
| ·型材截面应变分布测量结果 | 第145-146页 |
| ·角型材拉弯成形工艺正交试验研究 | 第146-147页 |
| ·拉弯成形验证实验 | 第147页 |
| ·角型材拉弯智能控制实验 | 第147页 |
| ·试验数据处理 | 第147-150页 |
| ·试验结果分析 | 第150-155页 |
| ·物性参数测试与辨识结果分析 | 第150-153页 |
| ·理论计算与试验结果对比分析 | 第153-155页 |
| ·智能控制过程在线变化分析 | 第155-159页 |
| ·物性参数及摩擦系数在线辨识变化分析 | 第155-156页 |
| ·预测控制参数在线变化分析 | 第156-157页 |
| ·机床控制参数实时变化分析 | 第157-159页 |
| ·实验结论 | 第159-160页 |
| ·本章小结 | 第160-161页 |
| 第八章 总结与展望 | 第161-165页 |
| ·总结 | 第161-163页 |
| ·展望 | 第163-165页 |
| 参考文献 | 第165-176页 |
| 博士论文研究期间开展的研究工作与取得的成果 | 第176-180页 |
| 致谢 | 第180-181页 |
| 附录 | 第181-184页 |