摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第1章 绪论 | 第10-19页 |
1.1 研究的背景与意义 | 第10页 |
1.2 国内外研究现状 | 第10-16页 |
1.2.1 集成产品模型国内外研究现状 | 第10-12页 |
1.2.2 配置设计国内外研究现状 | 第12-13页 |
1.2.3 配置设计方案评价关键技术国内外研究现状 | 第13-16页 |
1.3 论文的主要内容和创新点 | 第16-17页 |
1.3.1 论文的主要内容 | 第16-17页 |
1.3.2 论文创新点 | 第17页 |
1.4 论文的组织结构 | 第17-18页 |
1.5 本章小结 | 第18-19页 |
第2章 集成产品数据模型 | 第19-29页 |
2.1 引言 | 第19页 |
2.2 集成产品模型的内涵 | 第19-21页 |
2.2.1 集成产品模型的定义 | 第19-20页 |
2.2.2 集成产品模型框架 | 第20-21页 |
2.3 集成产品模型的特点及其分类 | 第21-23页 |
2.3.1 集成产品模型的特点 | 第21-22页 |
2.3.2 集成产品模型的分类 | 第22-23页 |
2.4 液压千斤顶集成产品信息模型 | 第23-26页 |
2.4.1 液压千斤顶集成产品配置模型 | 第24-25页 |
2.4.2 液压千斤顶集成产品性能预测模型 | 第25-26页 |
2.5 论文体系架构 | 第26-28页 |
2.6 本章小结 | 第28-29页 |
第3章 基于交互式遗传算法的配置设计方案评价 | 第29-40页 |
3.1 引言 | 第29页 |
3.2 交互式遗传算法与产品配置 | 第29-30页 |
3.3 交互式遗传算法的优化设计 | 第30-34页 |
3.3.1 传统的交互式遗传算法 | 第30-32页 |
3.3.2 算法的优化设计 | 第32-34页 |
3.4 交互式遗传算法在液压千斤顶中的应用 | 第34-36页 |
3.4.1 编码 | 第34-35页 |
3.4.2 参数设置 | 第35页 |
3.4.3 约束策略 | 第35-36页 |
3.5 实验 | 第36-38页 |
3.5.1 适应度函数 | 第36页 |
3.5.2 实验结果 | 第36-38页 |
3.6 本章小结 | 第38-40页 |
第4章 基于BP神经网络的产品性能预测分析 | 第40-52页 |
4.1 引言 | 第40页 |
4.2 人工神经网络理论与性能预测 | 第40-44页 |
4.2.1 BP神经网络结构 | 第40-41页 |
4.2.2 BP神经网络的学习规则 | 第41-43页 |
4.2.3 BP神经网络与性能预测 | 第43-44页 |
4.3 训练函数的改进设计 | 第44-45页 |
4.3.1 引入动量因子 | 第44-45页 |
4.3.2 引入共轭梯度法 | 第45页 |
4.4 改进BP算法的结果分析 | 第45-47页 |
4.5 改进后的BP神经网络在千斤顶性能预测中的应用 | 第47-50页 |
4.5.1 预测模型的构建 | 第47-48页 |
4.5.2 训练学习结果的比较及分析 | 第48-50页 |
4.6 本章小结 | 第50-52页 |
第5章 液压千斤顶配置设计方案评价系统 | 第52-67页 |
5.1 引言 | 第52页 |
5.2 液压千斤顶配置设计方案评价系统的模型设计 | 第52-55页 |
5.2.1 液压千斤顶的部件功能 | 第52-53页 |
5.2.2 液压千斤顶配置设计方案评价系统的设计过程 | 第53-55页 |
5.3 液压千斤顶配置设计方案评价系统的体系结构 | 第55-57页 |
5.3.1 液压千斤顶配置设计方案评价系统的设计思想 | 第56页 |
5.3.2 配置设计方案评价系统的体系结构及模块功能 | 第56-57页 |
5.4 液压千斤顶配置设计方案评价系统的应用 | 第57-59页 |
5.5 液压千斤顶配置设计方案评价软件系统 | 第59-65页 |
5.5.1 用户登录界面 | 第59页 |
5.5.2 系统主界面 | 第59-60页 |
5.5.3 产品配置 | 第60-63页 |
5.5.4 用户评价及性能预测 | 第63-65页 |
5.5.5 系统特点 | 第65页 |
5.6 本章小结 | 第65-67页 |
第6章 总结与展望 | 第67-69页 |
6.1 总结 | 第67页 |
6.2 展望 | 第67-69页 |
致谢 | 第69-70页 |
参考文献 | 第70-74页 |
作者在读期间发表的学术论文及参加的科研项目 | 第74页 |