窄间隙MAG焊缝形状建模及工艺优化研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-22页 |
| ·窄间隙 MAG 焊接技术发展及其应用 | 第13-17页 |
| ·窄间隙 MAG 焊接方法发展 | 第13-16页 |
| ·窄间隙 MAG 焊接方法的应用 | 第16-17页 |
| ·人工神经网络及其在焊缝形状预测中的应用 | 第17-19页 |
| ·人工神经网络的概念及其特点 | 第18页 |
| ·神经网络用于焊缝形状预测的现状 | 第18-19页 |
| ·焊接工艺优化方法 | 第19-21页 |
| ·遗传算法 | 第20页 |
| ·正交设计法 | 第20页 |
| ·模拟退火算法 | 第20-21页 |
| ·研究目的及内容 | 第21-22页 |
| ·研究目的 | 第21页 |
| ·研究内容 | 第21-22页 |
| 第2章 基于 BP 神经网络的预测及优化模型建立 | 第22-40页 |
| ·BP 神经网络预测模型建立 | 第22-35页 |
| ·BP 神经元数学模型 | 第22-23页 |
| ·BP 神经网络网络的结构 | 第23页 |
| ·BP 算法的执行 | 第23-25页 |
| ·标准 BP 算法的缺陷及其改进 | 第25-27页 |
| ·BP 算法的缺陷 | 第25页 |
| ·BP 算法的改进 | 第25-27页 |
| ·改进型 BP 神经网络学习训练过程的实现 | 第27-35页 |
| ·学习训练网络流程图 | 第27-29页 |
| ·BP 网络训练参数的设置及样本数据处理 | 第29-31页 |
| ·BP 网络的程序实现 | 第31-35页 |
| ·工艺优化模型建立 | 第35-39页 |
| ·模拟退火算法原理 | 第35页 |
| ·模拟退火算法描述 | 第35-36页 |
| ·模拟退火算法参数选择 | 第36-37页 |
| ·SA 优化算法的与其他算法的结合 | 第37-38页 |
| ·SA 优化算法的程序实现 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第3章 用户界面设计 | 第40-58页 |
| ·主界面设计 | 第40-41页 |
| ·学习训练界面设计 | 第41-46页 |
| ·训练样本的选择 | 第42-43页 |
| ·网络参数设置 | 第43-44页 |
| ·训练结果显示 | 第44-46页 |
| ·预测应用界面设计 | 第46-51页 |
| ·预测应用窗口 | 第47-48页 |
| ·三维显示窗口 | 第48-51页 |
| ·工艺优化界面设计 | 第51-56页 |
| ·SA 参数设置及原理介绍 | 第52-54页 |
| ·参数值最优化 | 第54-55页 |
| ·目标值优化 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第4章 窄间隙 MAG 焊缝形状预测与优化实例 | 第58-69页 |
| ·焊缝形状定义及建模参数选择 | 第58-59页 |
| ·训练样本数据制备 | 第59-61页 |
| ·基于 BP 神经网络的学习训练 | 第61-63页 |
| ·预测应用及三维显示 | 第63-66页 |
| ·基于 BP 神经网络的工艺优化 | 第66-67页 |
| ·最佳参数优化 | 第66-67页 |
| ·目标值优化 | 第67页 |
| ·本章小结 | 第67-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73页 |
