基于神经网络的金属板材折弯回弹预测与研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·选题背景 | 第9页 |
| ·弯曲成形理论和回弹理论 | 第9-11页 |
| ·弯曲成形理论 | 第10-11页 |
| ·回弹理论 | 第11页 |
| ·研究现状 | 第11-13页 |
| ·折弯回弹的理论和实验研究 | 第11-12页 |
| ·回弹控制技术的研究 | 第12页 |
| ·有限元在回弹预测中的研究 | 第12-13页 |
| ·研究目的和意义 | 第13-15页 |
| 第2章 基于BPNN的折弯回弹预测模型 | 第15-35页 |
| ·引言 | 第15页 |
| ·神经网络 | 第15-17页 |
| ·BP神经网络 | 第17-21页 |
| ·MATLAB神经网络工具箱 | 第21-22页 |
| ·试验 | 第22-25页 |
| ·基于BPNN折弯回弹预测模型构建 | 第25-28页 |
| ·折弯回弹预测结果分析 | 第28-29页 |
| ·反向传播法的改进优化 | 第29-32页 |
| ·基于BPNN折弯回弹模型预测结果不确定性分析 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第3章 基于GA-BPNN的折弯回弹预测模型 | 第35-45页 |
| ·引言 | 第35页 |
| ·遗传算法 | 第35-37页 |
| ·GA-BPNN在折弯回弹预测中的可行性分析 | 第37页 |
| ·基于GA-BPNN折弯回弹预测模型构建 | 第37-40页 |
| ·预测结果分析 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于PSO-BPNN的折弯回弹预测模型 | 第45-53页 |
| ·引言 | 第45页 |
| ·粒子群算法 | 第45-47页 |
| ·PSO-BPNN在折弯回弹预测中的可行性分析 | 第47页 |
| ·基于PSO-BPNN折弯回弹预测模型构建 | 第47-48页 |
| ·预测结果分析 | 第48-50页 |
| ·三种模型优化预测分析 | 第50-52页 |
| ·预测结果比较分析 | 第50-51页 |
| ·遗传算法和粒子群算法的相同点 | 第51-52页 |
| ·遗传算法和粒子群算法的区别 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第5章 凸模半径反求实验论证 | 第53-56页 |
| ·引言 | 第53页 |
| ·基于PSO-BPNN凸模半径预测逆模型 | 第53-54页 |
| ·实验 | 第54-55页 |
| ·实验目的 | 第54页 |
| ·实验条件 | 第54页 |
| ·实验过程及结果分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 总结和展望 | 第56-57页 |
| ·全文总结 | 第56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间所展开的科研项目和发表的学术论文 | 第62页 |
