| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 论文选题背景及意义 | 第10-13页 |
| 1.1.1 NOMEX蜂窝复合材料特点及应用 | 第10-11页 |
| 1.1.2 NOMEX蜂窝复合材料的超声加工技术 | 第11-12页 |
| 1.1.3 论文研究目的及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 超声加工刀具研究现状 | 第13-14页 |
| 1.2.2 近似模型的研究现状 | 第14页 |
| 1.2.3 优化算法研究现状 | 第14-15页 |
| 1.3 论文研究的主要研究内容 | 第15-17页 |
| 第二章 有限元参数化仿真实现方法 | 第17-21页 |
| 2.1 ABAQUS软件二次开发简介 | 第17页 |
| 2.2 参数化仿真实现语言Python | 第17-19页 |
| 2.3 参数化方法在ABAQUS中的实现 | 第19-20页 |
| 2.3.1 ABAQUS脚本接口 | 第19页 |
| 2.3.2 二次开发软件集成方式确定 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 超声切割刀具参数化建模与仿真 | 第21-28页 |
| 3.1 超声切割刀具性能评价指标分析 | 第21-22页 |
| 3.2 有限元参数化仿真插件前处理的开发 | 第22-25页 |
| 3.3 有限元参数化仿真插件后处理的开发 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 基于SVR-PSO的多目标优化方法基本原理 | 第28-37页 |
| 4.1 粒子群算法与支持向量机结合方法概述 | 第28页 |
| 4.2 粒子群算法基本原理 | 第28-32页 |
| 4.2.1 粒子群算法的数学基础 | 第30-31页 |
| 4.2.2 粒子群算法的实现方法 | 第31-32页 |
| 4.3 支持向量回归基本原理 | 第32-36页 |
| 4.3.1 统计学习理论基础 | 第32-33页 |
| 4.3.2 支持向量回归理论基础 | 第33-36页 |
| 4.3.3 支持向量回归的实现 | 第36页 |
| 4.4 本章小结 | 第36-37页 |
| 第五章 基于SVM-PSO的超声切割刀具结构优化 | 第37-46页 |
| 5.1 基于SVM-PSO优化方案介绍 | 第37页 |
| 5.2 训练样本收集 | 第37-39页 |
| 5.2.1 训练样本选取 | 第38-39页 |
| 5.2.2 样本数据预处理 | 第39页 |
| 5.3 近似模型的模型建立 | 第39-42页 |
| 5.3.1 支持向量回归模型的训练 | 第39-40页 |
| 5.3.2 支持向量回归模型参数优化 | 第40页 |
| 5.3.3 近似模型预测精度评估 | 第40-42页 |
| 5.4 基于SVR-PSO的超声切削模型结构优化 | 第42-44页 |
| 5.4.1 优化目标函数 | 第42-43页 |
| 5.4.2 粒子群算法的改进与实现 | 第43-44页 |
| 5.5 优化结果分析 | 第44-45页 |
| 5.6 本章小结 | 第45-46页 |
| 第六章 结论与展望 | 第46-48页 |
| 6.1 论文总结 | 第46页 |
| 6.2 研究展望 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 附录一 | 第51-54页 |