| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文主要研究内容 | 第15-17页 |
| 第2章 板材变形基本理论 | 第17-26页 |
| 2.1 弹塑性变形基本理论 | 第17-22页 |
| 2.1.1 应力应变关系 | 第17-19页 |
| 2.1.2 屈服准则 | 第19-22页 |
| 2.2 黏弹性力学基本理论 | 第22-25页 |
| 2.2.1 基本元件 | 第22-23页 |
| 2.2.2 Maxwell模型 | 第23页 |
| 2.2.3 Kelvin模型 | 第23-24页 |
| 2.2.4 广义Maxwell模型与Kelvin模型 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 实验方法 | 第26-33页 |
| 3.1 单向拉伸试验 | 第26-27页 |
| 3.1.1 试验方法 | 第26-27页 |
| 3.1.2 试验结果 | 第27页 |
| 3.2 板材滞后回弹试验 | 第27-29页 |
| 3.2.1 拉伸滞后回弹试验 | 第27-28页 |
| 3.2.2 三点弯滞后回弹试验 | 第28-29页 |
| 3.3 黏弹性力学试验 | 第29-32页 |
| 3.3.1 松弛试验 | 第29-31页 |
| 3.3.2 室温蠕变试验 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 典型汽车用板变形滞后回弹试验分析 | 第33-52页 |
| 4.1 拉伸滞后回弹结果分析 | 第33-42页 |
| 4.1.1 拉伸速度对滞后回弹的影响 | 第33-39页 |
| 4.1.2 卸载过程对滞后回弹的影响 | 第39-42页 |
| 4.2 三点弯滞后回弹结果分析 | 第42-50页 |
| 4.2.1 弯曲角度对滞后回弹的影响 | 第43-47页 |
| 4.2.2 弯曲速度对滞后回弹的影响 | 第47-50页 |
| 4.3 结论 | 第50-52页 |
| 第5章 典型汽车用板变形滞后回弹有限元分析 | 第52-68页 |
| 5.1 有限元建模 | 第52-53页 |
| 5.1.1 有限元模型 | 第52-53页 |
| 5.1.2 材料模型 | 第53页 |
| 5.1.3 接触摩擦条件 | 第53页 |
| 5.1.4 单元类型和网格划分 | 第53页 |
| 5.2 材料模型分析 | 第53-59页 |
| 5.2.1 黏弹性材料模型 | 第54-56页 |
| 5.2.2 蠕变模型 | 第56-58页 |
| 5.2.3 有限元结果对比分析 | 第58-59页 |
| 5.3 单元类型分析 | 第59-61页 |
| 5.3.1 实体单元类型 | 第59页 |
| 5.3.2 壳单元类型 | 第59-60页 |
| 5.3.3 有限元结果对比分析 | 第60-61页 |
| 5.4 滞后回弹有限元结果分析 | 第61-66页 |
| 5.4.1 弯曲滞后回弹模拟结果分析 | 第61-65页 |
| 5.4.2 拉伸滞后回弹模拟结果分析 | 第65-66页 |
| 5.5 本章小结 | 第66-68页 |
| 第6章 基于BP神经网络的滞后回弹预测 | 第68-83页 |
| 6.1 人工神经网络概述 | 第68-69页 |
| 6.2 BP神经网络模型简介 | 第69-75页 |
| 6.2.1 BP神经网络结构 | 第70页 |
| 6.2.2 BP网络学习算法 | 第70-72页 |
| 6.2.3 BP算法的改进 | 第72-73页 |
| 6.2.4 BP网络参数设计 | 第73-75页 |
| 6.3 基于BP神经网络的滞后回弹预测模型实现 | 第75-81页 |
| 6.3.1 样本数据选取及处理 | 第76页 |
| 6.3.2 BP网络结构的确定 | 第76-77页 |
| 6.3.3 BP神经网络预测结果分析 | 第77-81页 |
| 6.4 本章小结 | 第81-83页 |
| 结论 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 攻读学位期间发表论文与研究成果清单 | 第89-90页 |
| 致谢 | 第90页 |