基于人工神经网络的气门电热镦粗工艺专家系统
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-20页 |
| ·课题的来源、目的和意义 | 第10-12页 |
| ·国内外气门生产的现状及发展趋势 | 第12-13页 |
| ·人工神经网络在塑性成型中的研究进展 | 第13-16页 |
| ·在塑性加工中可以解决的问题 | 第13-14页 |
| ·在塑性加工具体领域的应用 | 第14-16页 |
| ·塑性领域应用的问题和展望 | 第16页 |
| ·专家系统的研究进展 | 第16-19页 |
| ·专家系统的定义及其特点 | 第16-17页 |
| ·专家系统的发展现状 | 第17-19页 |
| ·本文主要研究内容 | 第19-20页 |
| 2 气门电镦成型工艺 | 第20-26页 |
| ·气门电镦成型工艺原理及其过程 | 第20-21页 |
| ·工艺的优点和缺点 | 第21-23页 |
| ·气门电镦过程设备的工艺参数分析 | 第23-26页 |
| ·初始距离 | 第23-24页 |
| ·加热电流 | 第24页 |
| ·镦杆前进和砧子后退的速度V_1、V_2 | 第24页 |
| ·电热镦粗的顶镦力 | 第24-25页 |
| ·电热镦粗的温度 | 第25-26页 |
| 3 确定气门电热镦粗工艺参数的组合神经网络建模 | 第26-50页 |
| ·人工神经网络原理 | 第26-38页 |
| ·人工神经网络简介 | 第26-27页 |
| ·人工神经网络的基本模型 | 第27-30页 |
| ·BP 神经网络 | 第30-37页 |
| ·数据归一化处理 | 第37-38页 |
| ·气门电镦工艺组合神经网络的结构设计 | 第38-45页 |
| ·气门电镦主要工艺参数的影响因素 | 第38-39页 |
| ·确定顶镦压力的单独网络模型 | 第39-40页 |
| ·确定电镦电压的单独网络模型 | 第40-42页 |
| ·确定电镦温度的单独网络模型 | 第42-43页 |
| ·组合神经网络模型 | 第43-45页 |
| ·训练样本的选取及其训练 | 第45-50页 |
| ·组合神经网络的预测 | 第47-50页 |
| 4 基于人工神经网络的气门电热镦粗专家系统 | 第50-69页 |
| ·专家系统概述 | 第50-56页 |
| ·专家系统的基本结构和原理 | 第50-52页 |
| ·知识库 | 第52-54页 |
| ·推理机 | 第54-55页 |
| ·专家系统开发过程 | 第55-56页 |
| ·混合专家系统 | 第56-59页 |
| ·专家系统和神经网络结合的必要性 | 第57-58页 |
| ·混合专家系统的一般框架 | 第58-59页 |
| ·基于神经网络的气门电镦工艺专家系统的总体结构 | 第59-69页 |
| ·系统的知识表示 | 第62-65页 |
| ·系统的知识获取 | 第65-66页 |
| ·系统的推理机制 | 第66-67页 |
| ·系统的解释机制 | 第67-69页 |
| 5 系统的设计和开发 | 第69-80页 |
| ·系统设计框架 | 第69-72页 |
| ·系统总体介绍 | 第69-71页 |
| ·系统类的层次结构 | 第71-72页 |
| ·系统关键技术极其实现 | 第72-76页 |
| ·神经网络训练 | 第72-75页 |
| ·MFC 可视化编程 | 第75-76页 |
| ·系统用户界面设计 | 第76-77页 |
| ·系统信息流程简介 | 第77-80页 |
| 6 全文总结与展望 | 第80-82页 |
| ·全文总结 | 第80页 |
| ·工作展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 附录 攻读硕士学位期间发表的论文 | 第86页 |
