第一章 绪论 | 第1-43页 |
§1.1 铝及其合金 | 第13-14页 |
§1.2 铝锭的电磁连续铸造 | 第14-20页 |
§1.3 电磁铸造铝板坯目前存在的问题 | 第20-25页 |
§1.4 本研究领域的文献回顾 | 第25-36页 |
1.4.1 铝板坯的凝固过程的研究 | 第25-34页 |
1.4.2 铝板坯的变形的研究 | 第34-36页 |
§1.5 人工神经网络及其在铸造中的应用 | 第36-41页 |
1.5.1 人工神经网络的起源和研究意义 | 第36-37页 |
1.5.2 人工神经网络的原理和特点 | 第37-39页 |
1.5.3 人工神经网络在铸造中的应用 | 第39-41页 |
§1.6 本论文的主要研究内容 | 第41-43页 |
第二章 基于模糊神经网络的电磁铸造液柱成型性控制 | 第43-58页 |
§2.1 引言 | 第43-44页 |
§2.2 电磁铸造液柱的成型特性和控制 | 第44-47页 |
2.2.1 电磁铸造液柱的成型特性 | 第44-45页 |
2.2.2 电磁铸造液柱高度的控制 | 第45-47页 |
§2.3 基于模糊神经网络的电磁铸造液柱成型性控制 | 第47-57页 |
2.3.1 模糊神经网络的构造 | 第47-50页 |
2.3.2 网络的学习算法 | 第50-53页 |
2.3.3 基于模糊神经网络的控制系统 | 第53-55页 |
2.3.4 控制结果 | 第55-57页 |
§2.4 小结 | 第57-58页 |
第三章 电磁铸造铝板坯变形的实验研究 | 第58-83页 |
§3.1 引言 | 第58-59页 |
§3.2 电磁铸造实验过程与实验方法 | 第59-62页 |
§3.3 板坯变形的实验研究 | 第62-73页 |
3.3.1 减小板坯起始段翘曲变形的工艺措施 | 第62-65页 |
3.3.2 工艺参数对稳态段宽面变形的影响 | 第65-73页 |
§3.4 冷却水分布对变形影响的研究 | 第73-78页 |
3.4.1 实验装置和工艺条件 | 第73-75页 |
3.4.2 冷却水分布对温度场和变形的影响 | 第75-77页 |
3.4.3 板坯凹陷形成过程的实验研究 | 第77-78页 |
§3.5 讨论 | 第78-82页 |
§3.6 小结 | 第82-83页 |
第四章 电磁铸造铝板坯温度场的数值模拟 | 第83-113页 |
§4.1 引言 | 第83-84页 |
§4.2 电磁铸造板坯温度场计算的数学模型 | 第84-86页 |
§4.3 控制方程的差分化 | 第86-92页 |
4.3.1 变化计算空间的处理 | 第86-88页 |
4.3.2 差分格式的建立 | 第88-92页 |
§4.4 求解条件处理 | 第92-100页 |
4.4.1 网格剖分 | 第92-93页 |
4.4.2 初始条件 | 第93页 |
4.4.3 边界条件 | 第93-95页 |
4.4.4 热物性参数 | 第95-97页 |
4.4.5 潜热处理 | 第97页 |
4.4.6 感应热的处理 | 第97-100页 |
§4.5 温度场模拟的两个实例 | 第100-103页 |
§4.6 工艺参数对温度场的影响 | 第103-111页 |
§4.7 小结 | 第111-113页 |
第五章 电磁铸造铝板坯变形的计算和控制 | 第113-144页 |
§5.1 引言 | 第113页 |
§5.2 板坯底部翘曲变形的近似计算 | 第113-122页 |
5.2.1 数学模型 | 第114-117页 |
5.2.2 计算实例 | 第117-122页 |
§5.3 板坯宽面凹陷变形的近似计算 | 第122-130页 |
§5.4 利用人工神经网络计算板坯宽面的凹陷 | 第130-142页 |
5.4.1 人工神经网络的学习算法 | 第131-135页 |
5.4.2 神经网络的拓扑结构的确定 | 第135-136页 |
5.4.3 训练样本和初始权、学习率、允许误差的选择 | 第136-139页 |
5.4.4 计算步骤 | 第139页 |
5.4.5 人工神经网络对变形的预测 | 第139-141页 |
5.4.6 人工神经网络对变形的控制 | 第141-142页 |
§5.5 小结 | 第142-144页 |
第六章 结论与展望 | 第144-146页 |
参考文献 | 第146-152页 |
致谢 | 第152-153页 |
附录: 作者在攻读博士学位期间发表及完成的论文 | 第153-155页 |
创新点摘要及参与科研项目等 | 第155页 |