基于进化神经网络的薄壁件铣削变形分析与预测
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题的研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 切削加工有限元仿真技术研究现状 | 第9-10页 |
| 1.2.2 薄壁件加工变形预测研究现状 | 第10-11页 |
| 1.2.3 存在的问题 | 第11-12页 |
| 1.3 研究内容及研究方法 | 第12-13页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 研究方法 | 第13页 |
| 1.4 论文的章节安排 | 第13-15页 |
| 第2章 参数化刀具库开发 | 第15-27页 |
| 2.1 UG二次开发关键技术 | 第15-16页 |
| 2.2 参数化设计技术 | 第16-18页 |
| 2.2.1 参数化设计概述 | 第16-17页 |
| 2.2.2 基于UG的几种参数化设计 | 第17-18页 |
| 2.3 数据库技术 | 第18-20页 |
| 2.3.1 数据库概述 | 第18-19页 |
| 2.3.2 数据库的选择 | 第19页 |
| 2.3.3 ADO数据库访问技术 | 第19-20页 |
| 2.4 参数化刀具库开发框架的建立 | 第20-26页 |
| 2.4.1 设置系统环境变量 | 第20页 |
| 2.4.2 创建用户菜单 | 第20-21页 |
| 2.4.3 创建MFC动态链接库 | 第21-23页 |
| 2.4.4 相关接.程序 | 第23-24页 |
| 2.4.5 实例运行 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 薄壁件铣削变形有限元分析 | 第27-40页 |
| 3.1 ABAQUS软件概述 | 第27-28页 |
| 3.2 热力耦合分析过程的理论基础 | 第28-29页 |
| 3.3 仿真的关键技术 | 第29-33页 |
| 3.3.1 铣削运动轨迹 | 第29-30页 |
| 3.3.2 材料本构模型 | 第30页 |
| 3.3.3 切屑与工件的分离准则 | 第30-31页 |
| 3.3.4 刀-屑接触和摩擦模型 | 第31-32页 |
| 3.3.5 热传导 | 第32-33页 |
| 3.4 T形薄壁件的铣削仿真 | 第33-39页 |
| 3.4.1 建立铣削加工过程仿真模型 | 第33-34页 |
| 3.4.2 设置材料参数 | 第34-36页 |
| 3.4.3 结果分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 薄壁件铣削变形预测与控制 | 第40-62页 |
| 4.1 神经网络基本理论 | 第40-44页 |
| 4.1.1 人工神经网络 | 第40-42页 |
| 4.1.2 神经网络的结构分类 | 第42-44页 |
| 4.2 BP神经网络 | 第44-48页 |
| 4.2.1 BP神经网络模型 | 第44-45页 |
| 4.2.2 BP神经网络学习过程 | 第45-48页 |
| 4.2.3 BP神经网络的局限性 | 第48页 |
| 4.3 遗传算法 | 第48-51页 |
| 4.3.1 遗传算法的概述 | 第48-49页 |
| 4.3.2 遗传算法实现机理 | 第49-51页 |
| 4.4 基于进化BP神经网络的加工变形预测 | 第51-58页 |
| 4.4.1 遗传进化BP神经网络 | 第51页 |
| 4.4.2 BP神经网络结构确定 | 第51-52页 |
| 4.4.3 训练样本的选取 | 第52-53页 |
| 4.4.4 神经网络的训练 | 第53-54页 |
| 4.4.5 初始权值和阈值的优化 | 第54-56页 |
| 4.4.6 加工变形预测结果分析 | 第56-58页 |
| 4.5 加工变形控制方法 | 第58-61页 |
| 4.5.1 优化模型的建立 | 第58-59页 |
| 4.5.2 求解技术 | 第59-60页 |
| 4.5.3 优化结果 | 第60-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-69页 |
| 攻读硕士学位期间参与的科研项目 | 第69-70页 |
| 致谢 | 第70-71页 |
