摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第10-16页 |
1.1 引言 | 第10-11页 |
1.2 注塑工艺参数优化的发展现状与方法 | 第11-12页 |
1.3 注塑成型过程中制品的性能问题 | 第12-13页 |
1.4 注塑成型数值模拟技术 | 第13-14页 |
1.5 课题来源、研究的主要内容、研究创新点及技术路线 | 第14-16页 |
1.5.1 课题来源 | 第14页 |
1.5.2 本文的主要研究内容 | 第14-15页 |
1.5.3 本文研究的创新点 | 第15页 |
1.5.4 本文研究技术路线 | 第15-16页 |
第二章 注塑成型及翘曲变形数值模拟理论 | 第16-24页 |
2.1 注塑成型的理论基础 | 第16-17页 |
2.1.1 注塑成型熔体粘度理论 | 第16-17页 |
2.2 注塑成型过程数值模拟理论 | 第17-21页 |
2.2.1 充填过程理论方程 | 第17-18页 |
2.2.2 保压过程理论方程 | 第18-19页 |
2.2.3 冷却过程理论方程 | 第19-21页 |
2.3 注塑成型翘曲变形产生机理及解决方案 | 第21-23页 |
2.4 本章小结 | 第23-24页 |
第三章 基于Moldflow的包装盒注塑成型模拟分析 | 第24-37页 |
3.1 Moldflow软件的简介 | 第24-26页 |
3.1.1 Moldflow软件的主要功能 | 第24-25页 |
3.1.2 Moldflow的模拟分析流程 | 第25-26页 |
3.2 包装盒的注塑成型有限元分析 | 第26-31页 |
3.2.1 包装盒实体模型的建立 | 第26页 |
3.2.2 包装盒模型的导入与网格划分 | 第26-28页 |
3.2.3 浇口位置的确定 | 第28-30页 |
3.2.4 冷却系统的确定 | 第30页 |
3.2.5 材料的选择 | 第30-31页 |
3.3 包装盒的注塑成型仿真模拟与结果 | 第31-36页 |
3.3.1 Flow分析 | 第31-34页 |
3.3.2 Cool冷却分析 | 第34页 |
3.3.3 Warp翘曲分析 | 第34-36页 |
3.4 本章小节 | 第36-37页 |
第四章 基于正交试验设计法的工艺参数优化 | 第37-46页 |
4.1 正交试验设计的概述 | 第37页 |
4.2 正交试验设计方法 | 第37-38页 |
4.2.1 信噪比 | 第37-38页 |
4.3 正交试验数据分析方法 | 第38-40页 |
4.3.1 极差分析法 | 第38-39页 |
4.3.2 均值分析法 | 第39页 |
4.3.3 方差分析法 | 第39-40页 |
4.4 基于正交试验的包装盒工艺参数优化 | 第40-45页 |
4.4.1 正交试验设计 | 第41页 |
4.4.2 正交试验设计的方案与结果 | 第41-42页 |
4.4.3 正交试验结果的数值分析 | 第42-45页 |
4.5 本章小结 | 第45-46页 |
第五章 基于人工神经网络的注塑成型工艺参数优化 | 第46-58页 |
5.1 人工神经网络的概述 | 第46页 |
5.2 BP神经网络的介绍 | 第46-48页 |
5.2.1 BP神经网络的基本原理 | 第47-48页 |
5.3 BP神经网络的算法 | 第48-51页 |
5.3.1 BP神经网络算法的原理 | 第48页 |
5.3.2 BP神经网络模型的建立 | 第48-51页 |
5.4 基于MATLAB在BP网络模型中的应用 | 第51-52页 |
5.4.1 BP神经网络设计的相关函数 | 第51页 |
5.4.2 BP神经网络设计时的注意事项与步骤 | 第51-52页 |
5.5 包装盒制品基于BP神经网络的注塑试验 | 第52-57页 |
5.5.1 包装盒的BP神经网络模型的建立 | 第52页 |
5.5.2 BP神经网络的训练及预测 | 第52-54页 |
5.5.3 细化分析与BP网络模型的验证 | 第54-56页 |
5.5.4 包装盒模型最小翘曲变形量的求解 | 第56-57页 |
5.6 本章小结 | 第57-58页 |
第六章 注塑成型实验 | 第58-62页 |
6.1 实验设备 | 第58-59页 |
6.2 制品翘曲变形量的测量方法 | 第59页 |
6.3 制品的注塑成型实验 | 第59-61页 |
6.4 本章小结 | 第61-62页 |
结论与展望 | 第62-64页 |
参考文献 | 第64-67页 |
攻读硕士期间取得的研究成果 | 第67-68页 |
致谢 | 第68页 |