| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·板料成形技术概述 | 第9页 |
| ·国内外板料成形回弹研究现状综述 | 第9-11页 |
| ·研究目的及意义 | 第11-12页 |
| ·研究的可行性 | 第12页 |
| ·主要研究内容 | 第12-14页 |
| 第二章 弯曲成形理论及U 形件成形回弹的数值模拟技术 | 第14-28页 |
| ·弯曲成形理论及弯曲回弹 | 第14-17页 |
| ·弯曲成形理论 | 第14-15页 |
| ·弯曲回弹的产生 | 第15-16页 |
| ·影响弯曲回弹的因素 | 第16-17页 |
| ·基于Dynaform 的U 型件成形及回弹的数值模拟技术 | 第17-27页 |
| ·基于 Dynaform 的 U 型件数值模拟技术 | 第18-20页 |
| ·基于 Dynaform 的成形及回弹的分析过程及方法 | 第20-26页 |
| ·Dynaform 回弹的数值模拟精度的验证 | 第26-27页 |
| ·本章小节 | 第27-28页 |
| 第三章 U 形件数值模拟正交试验 | 第28-37页 |
| ·正交试验方法的原理及正交试验过程 | 第28-29页 |
| ·正交试验方法的原理 | 第28页 |
| ·正交试验过程 | 第28-29页 |
| ·U 形件成形回弹正交试验 | 第29-36页 |
| ·试验条件及试验指标的确定 | 第29-30页 |
| ·影响因子及水平的确定 | 第30-31页 |
| ·正交表的选取及 U 形件成形正交试验结果 | 第31-33页 |
| ·正交试验结果的分析 | 第33-36页 |
| ·本章小节 | 第36-37页 |
| 第四章 基于人工神经网络的U 形件成形回弹预测的研究 | 第37-51页 |
| ·BP 人工神经网络技术及其应用 | 第37-39页 |
| ·BP 人工网络技术概述 | 第37-39页 |
| ·人工神经网络技术在模具设计中的应用 | 第39页 |
| ·基于MATLAB 的神经网络的应用技术 | 第39-45页 |
| ·人工神经网络的模型概述 | 第39-42页 |
| ·MATLAB 中神经网络工具箱函数应用技术 | 第42-45页 |
| ·U 形件成形回弹的 BP 神经网络训练及仿真 | 第45-50页 |
| ·U 形件成形回弹的BP 神经网络的建立 | 第45-46页 |
| ·U 形件成形回弹的BP 神经网络的训练 | 第46-48页 |
| ·基于神经网络学习效果的验证与分析 | 第48-50页 |
| ·本章小节 | 第50-51页 |
| 第五章 蚁群优化在U 形件成形回弹中的应用 | 第51-64页 |
| ·蚁群优化算法技术概述 | 第51-54页 |
| ·优化技术概述 | 第51-52页 |
| ·蚁群优化算法的一个实例 | 第52-53页 |
| ·蚁群优化算法的原理 | 第53-54页 |
| ·基于蚁群算法的U 形件成形回弹工艺条件的优化 | 第54-63页 |
| ·蚁群优化算法的问题模型的建立 | 第54-55页 |
| ·蚁群优化算法流程及程序开发 | 第55-57页 |
| ·基于蚁群算法的工艺条件优化过程 | 第57-63页 |
| ·基于蚁群算法的工艺条件优化结果 | 第63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·总结和结论 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 发表论文和科研情况说明 | 第69-70页 |
| 致谢 | 第70-71页 |
