| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第一章 绪论 | 第13-17页 |
| ·课题背景、目的和研究意义 | 第13页 |
| ·本课题的国内外研究现状 | 第13-15页 |
| ·本文的研究目标和研究内容 | 第15-17页 |
| 第二章 气门电热镦粗工艺过程理论分析 | 第17-32页 |
| ·电镦机的结构、工作原理、优点、存在的问题以及智能电镦机的特点 | 第17-21页 |
| ·电镦机的工作原理 | 第17页 |
| ·电热镦粗工艺的优点 | 第17-18页 |
| ·普通电镦机的特点即工艺存在的问题 | 第18-19页 |
| ·智能电镦机的特点 | 第19-21页 |
| ·电镦过程电阻分析 | 第21-24页 |
| ·接触电阻分析与计算 | 第21-22页 |
| ·电镦过程电阻变化 | 第22-24页 |
| ·气门电镦成形过程分析 | 第24-28页 |
| ·电镦时的金属流动 | 第24-25页 |
| ·电镦过程温度分布 | 第25-28页 |
| ·气门电热镦粗过程工艺参数分析 | 第28-32页 |
| ·对毛坯的要求 | 第28页 |
| ·初始距离 | 第28页 |
| ·加热电流 | 第28-29页 |
| ·电热镦粗的温度与顶镦力 | 第29-30页 |
| ·加紧电极与加紧力 | 第30页 |
| ·机器的几何精度 | 第30页 |
| ·砧子的要求 | 第30-32页 |
| 第三章 智能电镦工艺研究及参数设定 | 第32-47页 |
| ·主要工艺参数的分析与计算方法 | 第32-37页 |
| ·镦粗速度的分析与推算 | 第32-34页 |
| ·电流的分析与推算 | 第34-36页 |
| ·镦粗力的分析与推算 | 第36页 |
| ·砧子缸与镦粗缸的工作行程的计算 | 第36-37页 |
| ·主要工艺参数的实例计算 | 第37-38页 |
| ·电流和压力的计算 | 第37页 |
| ·位移计算 | 第37-38页 |
| ·试验验证 | 第38-46页 |
| ·试验方案 | 第38-43页 |
| ·实验总结 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 电热镦粗工艺参数的BP神经网络建模以及预测 | 第47-80页 |
| ·BP神经网络 | 第47-55页 |
| ·BP神经网络的基本结构 | 第47-48页 |
| ·BP神经网络学习算法 | 第48-52页 |
| ·BP神经网络的设计 | 第52-54页 |
| ·数据归一化处理 | 第54-55页 |
| ·气门电镦主要工艺参数BP神经网络建模 | 第55-58页 |
| ·气门电镦主要工艺参数的影响因素 | 第55-56页 |
| ·确定顶镦压力的单独BP网络模型 | 第56-57页 |
| ·确定加热电流的单独BP网络模型 | 第57页 |
| ·确定电镦温度的单独BP网络模型 | 第57-58页 |
| ·主要电镦工艺参数BP神经网络预测 | 第58-79页 |
| ·训练样本的选取 | 第58-62页 |
| ·顶镦压力的BP神经网络预测 | 第62-68页 |
| ·加热电流的BP神经网络预测 | 第68-73页 |
| ·电镦温度的BP神经网络预测 | 第73-79页 |
| ·本章小结 | 第79-80页 |
| 结论与展望 | 第80-82页 |
| 1.结论 | 第80-81页 |
| 2.展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间发表的论文 | 第86-88页 |
| 致谢 | 第88-89页 |
| 附录 | 第89-101页 |