首页--工业技术论文--金属学与金属工艺论文--金属学与热处理论文--金属腐蚀与保护、金属表面处理论文--腐蚀的控制与防护论文--金属表面防护技术论文

激光涂层零件多冲疲劳可靠性及神经网络分析模型的研究

第一章 绪论第1-19页
 1.1 问题的提出与研究意义第12-13页
 1.2 多次冲击问题的研究及发展状况第13-15页
 1.3 疲劳可靠性技术的应用历史和应用现状第15-17页
 1.4 本文的主要研究内容第17-19页
第二章 试验设计及设备第19-31页
 2.1 试件材料第19-21页
  2.1.1 熔覆层粉末材料的选择第19-21页
  2.1.2 基体材料的选择第21页
 2.2 试验设备第21-23页
  2.2.1 激光器及熔覆参数选择第21页
  2.2.2 多冲疲劳试验机第21-22页
  2.2.3 其它检测设备第22-23页
 2.3 试验设计第23-29页
  2.3.1 正交设计第23-25页
  2.3.2 疲劳试验设计第25-29页
  2.3.3 制样与试验过程第29页
 2.4 本章小结第29-31页
第三章 激光涂层零件多冲疲劳失效的典型过程及分析第31-44页
 3.1 多冲载荷下零件的失效类型及特点第31-32页
 3.2 多冲载荷下激光涂层零件失效的宏观表现与分析第32-39页
  3.2.1 开裂第32-35页
  3.2.2 凹陷与镦粗第35-36页
  3.2.3 表面蚀坑第36-37页
  3.2.4 崩落第37-38页
  3.2.5 失效原因的探讨第38-39页
 3.3 多冲载荷下涂层零件典型的失效过程分析第39-41页
 3.4 多冲载荷下涂层零件具有的失效特性第41-42页
 3.5 失效判据的选择第42页
 3.6 本章小结第42-44页
第四章 激光涂层零件多冲疲劳寿命的可靠性建模第44-70页
 4.1 数据分析与可靠性模型选择第44-49页
  4.1.1 分布模型的选择第44-45页
  4.1.2 数据的初步分析第45-49页
 4.2 可靠性分析第49-60页
  4.2.1 对每级应力求存活率P下的对数寿命第49-50页
  4.2.2 回归分析,拟合P-S-N曲线第50-54页
  4.2.3 正交分析第54-60页
 4.3 进一步试验与分析第60-62页
 4.4 基于MATLAB的可靠性分析的用户界面第62-69页
  4.4.1 MATLAB简介第62-63页
  4.4.2 用户界面设计第63-64页
  4.4.3 基于MATLAB的激光涂层多冲可靠性分析的用户界面实现第64-65页
  4.4.4 “激光涂层零件多冲疲劳可靠性模型”界面的应用实例第65-69页
 4.5 本章小结第69-70页
第五章 激光涂层零件多冲疲劳寿命的神经网络建模第70-90页
 5.1 人工神经网络简介第70-71页
 5.2 反向传播(BP)神经网络第71-74页
  5.2.1 标准BP算法第71-73页
  5.2.2 算法的改进第73-74页
 5.3 激光熔覆层性能分析的人工神经网络模型第74-81页
  5.3.1 输入输出数据的设计与准备第74-79页
  5.3.2 网络的结构与设计第79-81页
 5.4 基于BP神经网络的激光涂层性能预测的MATLAB实现第81-83页
  5.4.1 人工神经网络工具箱第81-83页
  5.4.2 激光熔覆层性能预测的BP网络的MATLAB实现第83页
 5.5 基于神经网络的因素分析法第83-86页
 5.6 基于神经网络的激光涂层性能分析的用户界面及应用举例第86-87页
 5.7 可靠性模型与神经网络模型的比较第87-89页
 5.8 本章小结第89-90页
第六章 本文结论第90-93页
 6.1 本文的主要结论第90-91页
 6.2 本文工作展望第91-93页
参考文献第93-98页
攻读硕士期间发表的学术论文第98-99页
附录第99-144页
 附录一 在MATLAB环境中用随机加权法求样本分布参数的程序第99-101页
 附录二 存活率P下各正交方案的对数寿命值第101-102页
 附录三 基于MATLAB的疲劳可靠性分析的用户界面设计程序第102-117页
 附录四 基于MATLAB的BP神经网络建模的实现程序及说明第117-118页
 附录五 基于MATLAB的神经网络因素分析的应用界面的设计程序第118-120页
 附录六 基于MATLAB的神经网络分析模型的用户界面设计程序第120-123页
 附录七 基于MATLAB的神经网络建模的用户界面介绍第123-144页
致谢第144页

论文共144页,点击 下载论文
上一篇:脯氨酸及其衍生物催化丙酮与醛的不对称直接羟醛缩合反应的量子化学研究
下一篇:机器人末端执行器力控制研究