| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1. 绪论 | 第10-20页 |
| ·课题研究的背景 | 第10页 |
| ·国内外研究现状 | 第10-16页 |
| ·注塑成型工艺优化的研究现状 | 第10-13页 |
| ·注塑成型工艺参数优化的方法 | 第13-15页 |
| ·注塑成型数值模拟技术 | 第15-16页 |
| ·选题的依据与意义 | 第16-17页 |
| ·本文主要研究内容与技术路线 | 第17-18页 |
| ·本文的研究内容 | 第17页 |
| ·本文研究技术路线 | 第17-18页 |
| ·本章小结 | 第18-20页 |
| 2. 注塑成型介绍 | 第20-28页 |
| ·注塑成型机 | 第20页 |
| ·注塑成型过程 | 第20-22页 |
| ·预塑计量 | 第21页 |
| ·注射充模 | 第21页 |
| ·保压补缩 | 第21页 |
| ·冷却 | 第21-22页 |
| ·注塑成型数值仿真理论分析 | 第22-27页 |
| ·熔体充模过程的数值仿真理论 | 第22页 |
| ·熔体保压过程的数值仿真理论 | 第22-23页 |
| ·熔体冷却过程的数值仿真理论 | 第23-25页 |
| ·注塑件翘曲变形数值仿真理论 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 3 基于Moldflow的注塑制品分析与优化 | 第28-50页 |
| ·Moldflow软件介绍 | 第28-30页 |
| ·Moldflow软件的作用 | 第28页 |
| ·Moldflow软件的功能 | 第28-30页 |
| ·模拟分析方案 | 第30-34页 |
| ·Moldflow分析流程 | 第30页 |
| ·CAE模型的建立 | 第30-34页 |
| ·模拟结果分析 | 第34-36页 |
| ·Moldflow推荐的工艺参数模拟分析结果 | 第36-37页 |
| ·基于正交试验方法的注塑成型工艺参数优化 | 第37-40页 |
| ·试验指标的确定 | 第38页 |
| ·试验因素和试验水平的确定 | 第38-39页 |
| ·正交表的选取 | 第39-40页 |
| ·正交试验数据分析方法 | 第40-42页 |
| ·信噪比 | 第40页 |
| ·均值分析(Analysis of Means,简称ANOM) | 第40-41页 |
| ·方差分析(Analysis of Variance,简称ANOVA) | 第41-42页 |
| ·正交试验的方案与结果 | 第42-43页 |
| ·正交试验结果的分析与优化 | 第43-49页 |
| ·信噪比对试验结果的处理 | 第43-44页 |
| ·极差分析 | 第44-46页 |
| ·方差分析 | 第46-48页 |
| ·预测最小缩痕指数、体积收缩率和变形量 | 第48页 |
| ·工艺参数优化组合检验 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 4 基于神经网络技术和遗传算法对注塑件工艺参数优化 | 第50-74页 |
| ·引言 | 第50页 |
| ·神经网络技术 | 第50-54页 |
| ·神经网络原理 | 第50-52页 |
| ·神经网络学习规则 | 第52-53页 |
| ·神经网络目标函数 | 第53-54页 |
| ·遗传算法 | 第54-57页 |
| ·遗传算法的基本原理 | 第54-55页 |
| ·遗传算法的关键技术 | 第55-57页 |
| ·基于神经网络技术和遗传算法的优化 | 第57-73页 |
| ·建立数学模型的原理 | 第59-60页 |
| ·多目标优化数学模型的建立 | 第60-67页 |
| ·遗传算法的优化求解 | 第67-69页 |
| ·优化结果分析与讨论 | 第69-73页 |
| ·本章小结 | 第73-74页 |
| 总结与展望 | 第74-76页 |
| 总结 | 第74页 |
| 展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 附录A | 第82-92页 |
| 附录B (攻读学位期间的主要学术成果) | 第92-94页 |
| 致谢 | 第94页 |
