| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8页 |
| 1.2 铝合金锻造成形工艺技术研究现状 | 第8-12页 |
| 1.2.1 有限元模拟技术在锻造成形方面的应用现状 | 第8-10页 |
| 1.2.2 大型铝合金锻件国内外研究现状 | 第10页 |
| 1.2.3 铝合金锻件的应用前景 | 第10-11页 |
| 1.2.4 成形工艺优化方法 | 第11-12页 |
| 1.3 课题研究内容，研究路线及意义 | 第12-14页 |
| 1.3.1 课题研究的内容 | 第12页 |
| 1.3.2 课题的研究路线 | 第12页 |
| 1.3.3 课题研究的意义 | 第12-13页 |
| 1.3.4 课题研究可行性分析 | 第13-14页 |
| 2 铝合金壳体锻件的制坯工艺优化研究 | 第14-26页 |
| 2.1 锻件成形工艺分析 | 第14页 |
| 2.2 锻件预制坯结构设计 | 第14-15页 |
| 2.3 锻造成形有限元模型的建立 | 第15-19页 |
| 2.3.1 刚粘塑性有限元理论~[50-51] | 第15-16页 |
| 2.3.2 建立壳体锻件的有限元模型 | 第16-19页 |
| 2.4 有限元模拟结果分析 | 第19-24页 |
| 2.4.1 成形载荷分析 | 第19-20页 |
| 2.4.2 应变均匀性分析 | 第20-21页 |
| 2.4.3 微观组织均匀性分析 | 第21-22页 |
| 2.4.4 飞边边分布规律 | 第22-24页 |
| 2.5 本章小结 | 第24-26页 |
| 3 基于 RBF GA 优化算法的成形工艺多目标优化 | 第26-47页 |
| 3.1 人工神经网络 | 第26-30页 |
| 3.1.1 RBF 神经网络 | 第26页 |
| 3.1.2 RBF 基函数 | 第26-27页 |
| 3.1.3 RBF 神经网络结构 | 第27-28页 |
| 3.1.4 RBF 神经网络的映射关系 | 第28-29页 |
| 3.1.5 RBF 神经网络的学习 | 第29-30页 |
| 3.1.6 比较 BP 与 RBF 神经网络 | 第30页 |
| 3.2 遗传算法寻优过程 | 第30-32页 |
| 3.2.1 编码方法 | 第31页 |
| 3.2.2 适应度计算 | 第31页 |
| 3.2.3 选择函数 | 第31-32页 |
| 3.2.4 交叉过程 | 第32页 |
| 3.2.5 变异过程 | 第32页 |
| 3.2.6 遗传算法参数的设置 | 第32页 |
| 3.3 RBF GA 算法流程 | 第32-33页 |
| 3.4 目标评价函数的建立 | 第33-35页 |
| 3.5 锻件工艺参数优化过程 | 第35-46页 |
| 3.5.1 实验设计与分析 | 第35-36页 |
| 3.5.2 数据采集与预处理 | 第36-37页 |
| 3.5.3 RBF 神经网络的预测 | 第37-41页 |
| 3.5.4 基于遗传算法的工艺参数寻优 | 第41-42页 |
| 3.5.5 遗传算法寻优结果分析 | 第42-46页 |
| 3.6 本章小结 | 第46-47页 |
| 4 大型铝合金壳体锻件的模具结构优化 | 第47-58页 |
| 4.1 热锻模具失效形式及主要影响因素 | 第47-49页 |
| 4.2 模具失效问题的有限元分析 | 第49-53页 |
| 4.2.1 应力场分布的有限元模拟分析 | 第50-52页 |
| 4.2.2 温度场分布的有限元模拟分析 | 第52-53页 |
| 4.3 热锻模具及冷压模具设计 | 第53-55页 |
| 4.3.1 热锻模具设计 | 第53-55页 |
| 4.3.2 冷压模具设计 | 第55页 |
| 4.4 冷成形的有限元分析 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 5 结论与展望 | 第58-60页 |
| 5.1 主要结论 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录 | 第66页 |
| A. 攻读学位期间所发表论文 | 第66页 |