| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-27页 |
| ·引言 | 第12-15页 |
| ·双辉等离子表面冶金技术的地位 | 第12页 |
| ·计算机技术在双辉等离子表面冶金研究中的优势 | 第12-13页 |
| ·仿真预测实现的技术 | 第13-15页 |
| ·人工神经网络的实现途径 | 第15页 |
| ·双辉等离子表面冶金技术概述 | 第15-17页 |
| ·双辉等离子表面冶金的机理 | 第15-16页 |
| ·双辉等离子表面冶金的特点 | 第16页 |
| ·双辉等离子表面冶金实验规程 | 第16-17页 |
| ·人工神经网络的特点与应用 | 第17-22页 |
| ·人工神经网络概述 | 第17-18页 |
| ·人工神经网络技术的特点 | 第18-19页 |
| ·人工神经网络的发展及应用现状 | 第19-20页 |
| ·人工神经网络在仿真预测类软件开发中的应用现状 | 第20-22页 |
| ·人工神经网络技术用于开发本系统的意义 | 第22页 |
| ·JAVA 及其作为系统整体开发环境的优势 | 第22-25页 |
| ·JAVA 的特征及优势 | 第22-24页 |
| ·JAVA 开发人工神经网络算法的优势 | 第24-25页 |
| ·课题的来源、目的及意义 | 第25-26页 |
| ·课题的来源 | 第25页 |
| ·研究的目的和意义 | 第25-26页 |
| ·本课题的主要研究内容 | 第26-27页 |
| 第二章 45 钢双辉等离子渗铝实验及结果讨论 | 第27-34页 |
| ·原材料的选择和处理 | 第27-28页 |
| ·实验仪器与设备 | 第28-29页 |
| ·双层辉光离子渗金属炉 | 第28页 |
| ·WGG2-201 型光学高温计 | 第28-29页 |
| ·其它设备 | 第29页 |
| ·实验方案的设计 | 第29-31页 |
| ·工艺参数的初步选择 | 第29-30页 |
| ·实验过程 | 第30-31页 |
| ·实验结果分析 | 第31-34页 |
| ·实验结果 | 第31-32页 |
| ·工艺参数对实验结果的影响 | 第32-34页 |
| 第三章 双辉等离子仿真预测系统的需求分析和总体架构 | 第34-44页 |
| ·双辉等离子仿真预测系统的需求分析 | 第34-37页 |
| ·双辉等离子仿真预测系统的性能要求 | 第34-35页 |
| ·双辉等离子仿真预测系统的设计思想 | 第35-37页 |
| ·双辉等离子仿真预测系统框架设计 | 第37-40页 |
| ·MVC 系统构架 | 第37页 |
| ·MVC 模式概述 | 第37-38页 |
| ·MVC 模式的实现及其应用优势 | 第38-39页 |
| ·双辉等离子仿真预测系统的MVC 构架 | 第39-40页 |
| ·双辉等离子仿真预测系统实现方案 | 第40页 |
| ·双辉等离子仿真预测系统运行平台及开发环境 | 第40-41页 |
| ·系统运行平台 | 第40-41页 |
| ·系统开发环境 | 第41页 |
| ·双辉等离子仿真预测系统主界面设计 | 第41-44页 |
| 第四章 双辉等离子表面冶金工艺专家系统的实现 | 第44-54页 |
| ·专家系统的基本原理及结构 | 第44-45页 |
| ·专家系统的基本原理 | 第44-45页 |
| ·专家系统的结构 | 第45页 |
| ·专家系统与神经网络的结合 | 第45-46页 |
| ·专家系统与神经网络的关系 | 第45-46页 |
| ·基于人工神经网络的专家系统原理 | 第46页 |
| ·双辉等离子表面冶金工艺专家系统模型的设计 | 第46-48页 |
| ·专家知识库的设计 | 第46-47页 |
| ·专家系统模型架构的设计 | 第47-48页 |
| ·45钢双辉等离子渗铝工艺参数的专家系统分析方法 | 第48-50页 |
| ·后台数据库的设计与实现 | 第50-54页 |
| ·人工神经网络模型库 | 第50-52页 |
| ·双辉等离子表面冶金工艺库 | 第52页 |
| ·数据库性能优化措施 | 第52-54页 |
| 第五章 双辉等离子表面冶金神经网络工具的实现 | 第54-73页 |
| ·人工神经网络基本原理 | 第54-57页 |
| ·人工神经元模型 | 第54-55页 |
| ·人工神经网络的结构及工作方式 | 第55-57页 |
| ·感知器及误差前向反馈(BP)算法的原理及编码 | 第57-61页 |
| ·单层感知器 | 第57-58页 |
| ·多层感知器 | 第58-59页 |
| ·BP 算法的原理 | 第59页 |
| ·BP 算法处理问题的流程 | 第59-60页 |
| ·BP 算法的编码 | 第60-61页 |
| ·径向基(RBF)网络的原理及编码 | 第61-65页 |
| ·RBF 网络的结构 | 第61-63页 |
| ·RBF 网络的训练算法 | 第63页 |
| ·RBF 网络的编码 | 第63-65页 |
| ·退火算法的原理及编码 | 第65-66页 |
| ·传统BP 算法的缺陷 | 第65页 |
| ·退火算法的原理 | 第65-66页 |
| ·退火算法的编码 | 第66页 |
| ·45 钢双辉等离子渗铝工艺参数的模拟与预测 | 第66-73页 |
| ·人工神经网络建模仿真平台功能简介 | 第66-68页 |
| ·45 钢双辉等离子渗铝工艺参数的模拟预测方法 | 第68-73页 |
| 第六章 结论及展望 | 第73-75页 |
| ·结论 | 第73-74页 |
| ·展望 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 在学期间的研究成果及发表的学术论文 | 第79页 |