| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题的来源及研究意义 | 第9页 |
| 1.1.1 课题的来源 | 第9页 |
| 1.1.2 课题的研究意义 | 第9页 |
| 1.2 高强钢板在汽车覆盖件中的应用 | 第9-12页 |
| 1.2.1 高强度钢的分类 | 第9-11页 |
| 1.2.2 高强度钢板在汽车制造中的应用 | 第11-12页 |
| 1.3 汽车覆盖件冲压成型研究方法及成形缺陷 | 第12-14页 |
| 1.3.1 汽车覆盖件冲压成形的一般研究方法 | 第12-13页 |
| 1.3.2 汽车覆盖件冲压成形的缺陷分析 | 第13-14页 |
| 1.4 本文的主要研究工作 | 第14-16页 |
| 第二章 板料冲压的回弹分析 | 第16-24页 |
| 2.1 板料弯曲变形过程的应力应变分析 | 第16-20页 |
| 2.1.1 弹性变形阶段 | 第16-17页 |
| 2.1.2 弹塑性弯曲阶段 | 第17-18页 |
| 2.1.3 立体纯塑性弯曲阶段 | 第18-20页 |
| 2.2 板料弯曲回弹的控制 | 第20-23页 |
| 2.2.1 影响板料弯曲回弹的因素 | 第20-21页 |
| 2.2.2 减小回弹的措施 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 人工神经网络及支持向量机理论 | 第24-44页 |
| 3.1 神经网络理论及其应用 | 第24-29页 |
| 3.1.1 神经网络简介 | 第24页 |
| 3.1.2 人工神经网络的基本特性 | 第24页 |
| 3.1.3 人工神经元模型 | 第24-25页 |
| 3.1.4 BP神经网络算法及其缺陷 | 第25-26页 |
| 3.1.5 BP神经网络的参数设计 | 第26-27页 |
| 3.1.6 BP神经网络的matlab实现 | 第27-29页 |
| 3.2 支持向量机原理 | 第29-43页 |
| 3.2.1 引言 | 第29-30页 |
| 3.2.2 线性可分模式的最优超平面 | 第30-36页 |
| 3.2.3 不可分模式的最优超平面 | 第36-40页 |
| 3.2.4 使用核方法的支持向量机 | 第40-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 某乘用车前纵梁的回弹数值模拟 | 第44-49页 |
| 4.1 试件的结构特点分析与冲压工艺设计 | 第44-46页 |
| 4.1.1 试件的成形质量要求 | 第44页 |
| 4.1.2 左(右)前纵梁前段的结构特点及工艺流程分析 | 第44-46页 |
| 4.2 前纵梁回弹的数值模拟 | 第46-48页 |
| 4.2.1 回弹数值模拟过程简述 | 第46页 |
| 4.2.2 Dynaform回弹分析设置 | 第46-47页 |
| 4.2.3 后置处理 | 第47-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第五章 基于支持向量机和BP神经网络的高强板前纵梁成型模精修量的回归预测 | 第49-68页 |
| 5.1 引言 | 第49页 |
| 5.2 类U型件成型模型面的修模方法研究 | 第49-52页 |
| 5.2.1 前纵梁前段模具在设计中期存在的问题 | 第49-50页 |
| 5.2.2 类U型件的修模形腔的回归研究方法 | 第50-52页 |
| 5.3 前纵梁前段成型模型面的支持向量机与BP神经网络回归建模 | 第52-61页 |
| 5.3.1 前纵梁模具模型的建立 | 第52-57页 |
| 5.3.2 BP神经网络对整形型面的回归预测 | 第57-60页 |
| 5.3.3 支持向量机对整形型面的回归预测 | 第60-61页 |
| 5.4 前纵梁前段的支持向量机和BP神经网络的回归改进方案 | 第61-68页 |
| 5.4.1 前纵梁前段的数据采集改进 | 第61-62页 |
| 5.4.2 新坐标下的BP神经网络修模量预测 | 第62-63页 |
| 5.4.3 新坐标下的支持向量机修模量预测 | 第63-65页 |
| 5.4.4 前纵梁前段的侧面修模量预测 | 第65-67页 |
| 5.4.5 本章小结 | 第67-68页 |
| 第六章 工作总结与展望 | 第68-71页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 攻读硕士学位期间发表的论文 | 第77-79页 |
