摘要 | 第1-4页 |
ABSTRACT | 第4-9页 |
主要符号说明 | 第9-10页 |
第一章 绪论 | 第10-17页 |
·快速成型技术 | 第10页 |
·选择性激光烧结工艺概况 | 第10-12页 |
·SLS 工艺原理 | 第10-11页 |
·SLS 工艺的特点 | 第11-12页 |
·SLS 数值模拟技术 | 第12页 |
·预测及优化技术 | 第12-13页 |
·选择性激光烧结国内外研究现状 | 第13-15页 |
·课题研究目的意义 | 第15-16页 |
·论文研究的主要内容 | 第16-17页 |
第二章 选择性激光烧结有限元理论及模型的建立 | 第17-24页 |
·温度场有限元分析基础 | 第17-18页 |
·热应力场有限元分析方程 | 第18-19页 |
·SLS 有限元模拟的关键技术 | 第19-22页 |
·移动热源的模型与加载 | 第19-20页 |
·材料的非线性处理 | 第20-21页 |
·相变潜热的处理 | 第21页 |
·APDL 程序算法的实现 | 第21-22页 |
·有限元模型的建立 | 第22-23页 |
·本章小结 | 第23-24页 |
第三章 SLS 工艺数值模拟研究 | 第24-34页 |
·SLS 工艺分析 | 第24-26页 |
·激光功率 | 第24-25页 |
·扫描间距 | 第25页 |
·扫描速度 | 第25-26页 |
·铺粉厚度 | 第26页 |
·预热温度 | 第26页 |
·数值模拟取样试验 | 第26-33页 |
·神经网络模型输出参数的确定 | 第26-31页 |
·数值模拟试验方案及结果 | 第31-33页 |
·本章小结 | 第33-34页 |
第四章 基于神经网络的工艺参数预测模型的建立 | 第34-52页 |
·人工神经网络工作原理 | 第34-38页 |
·BP 神经网络结构 | 第34-35页 |
·BP 神经网络的学习规则 | 第35-37页 |
·BP 神经网络的缺点与改进方法 | 第37-38页 |
·BP 神经网络模型设计 | 第38-45页 |
·工艺参数与平均最大温度的 BP 网络预测模型的建立 | 第39页 |
·参数初始化 | 第39-40页 |
·BP 神经网络结构的确定 | 第40页 |
·训练函数的确定 | 第40-43页 |
·传递函数和训练精度的确定 | 第43页 |
·BP 神经网络训练 | 第43-45页 |
·烧结过程平均最大温度梯度的 BP 神经网络预测模型的建立 | 第45-47页 |
·烧结变形的 BP 神经网络预测模型的建立 | 第47-49页 |
·最大等效残余应力的 BP 神经网络预测模型的建立 | 第49-51页 |
·本章小结 | 第51-52页 |
第五章 基于遗传算法的工艺优化 | 第52-61页 |
·遗传算法基本理论 | 第52-54页 |
·遗传算法基本原理 | 第52-53页 |
·遗传算法的数学基础 | 第53-54页 |
·基于遗传算法的激光烧结工艺参数的优化 | 第54-60页 |
·遗传算法的总体流程设计 | 第54-55页 |
·适应度函数的选择 | 第55-56页 |
·初始种群和迭代次数的确定 | 第56-57页 |
·进化操作 | 第57-60页 |
·优化结果 | 第60页 |
·本章小结 | 第60-61页 |
第六章 工艺参数对 SLS 过程的影响 | 第61-75页 |
·加工工艺参数对烧结过程平均最高温度的影响 | 第61-64页 |
·单个工艺参数对烧结过程平均最高温度的影响 | 第61-62页 |
·两个工艺参数对烧结过程平均最大温度的影响 | 第62-64页 |
·加工工艺参数对烧结过程平均最大温度梯度的影响 | 第64-68页 |
·单个工艺参数对烧结过程平均最大温度梯度的影响 | 第65-66页 |
·两个工艺参数对烧结过程平均最大温度梯度的影响 | 第66-68页 |
·加工工艺参数对烧结件最大变形的影响 | 第68-71页 |
·单个工艺参数对烧结件最大变形的影响 | 第68-69页 |
·两个工艺参数对烧结件最大变形的影响 | 第69-71页 |
·加工工艺参数对烧结件最大等效残余应力的影响 | 第71-74页 |
·单个工艺参数对烧结件最大等效残余应力的影响 | 第71-72页 |
·两个工艺参数对烧结件最大等效残余应力的影响 | 第72-74页 |
·本章小结 | 第74-75页 |
第七章 结论与展望 | 第75-77页 |
·全文总结 | 第75-76页 |
·研究展望 | 第76-77页 |
参考文献 | 第77-81页 |
个人简历 在读期间发表的学术论文 | 第81-82页 |
致谢 | 第82页 |