盒形件拉深智能化控制关键技术的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-28页 |
| ·引言 | 第12-14页 |
| ·板材成形智能化研究现状及国内外发展趋势 | 第14-25页 |
| ·弯曲成形智能化的研究 | 第15-18页 |
| ·拉深成形智能化的研究 | 第18-21页 |
| ·自适应模糊控制系统的发展 | 第21-23页 |
| ·板材成形智能传感技术与控制系统的研究 | 第23-25页 |
| ·选题意义与主要研究内容 | 第25-28页 |
| 第2章 盒形件成形规律的理论研究 | 第28-48页 |
| ·盒形件拉深成形机理 | 第28-29页 |
| ·分析模型 | 第29-30页 |
| ·盒形件法兰区应力解析 | 第30-35页 |
| ·法兰圆角区应力解析 | 第30-32页 |
| ·法兰直边区应力解析 | 第32-35页 |
| ·盒形件悬空侧壁区应力解析 | 第35-40页 |
| ·悬空侧壁圆角区应力解析 | 第35-38页 |
| ·悬空侧壁直边区应力解析 | 第38-40页 |
| ·盒形件拉深破裂预测 | 第40-41页 |
| ·盒形件应力理论解析的数值模拟验证 | 第41-46页 |
| ·理论解析与数值模拟在法兰区的比较 | 第42-44页 |
| ·理论解析与数值模拟在侧壁区的比较 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第3章 盒形件拉深成形的三维有限元模拟 | 第48-64页 |
| ·引言 | 第48-49页 |
| ·ANSYS软件概述 | 第49-52页 |
| ·单元类型的选择 | 第50页 |
| ·算法的选择 | 第50-51页 |
| ·接触分析 | 第51-52页 |
| ·盒形件拉深成形的数值模拟 | 第52-58页 |
| ·分析模型 | 第52-54页 |
| ·模拟结果分析 | 第54-58页 |
| ·数值模拟结果的实验验证 | 第58-62页 |
| ·侧壁拉应力规律验证 | 第58-59页 |
| ·几何特征验证 | 第59-61页 |
| ·拉深力验证 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 第4章 盒形件智能拉深过程中的神经网络参数识别 | 第64-87页 |
| ·人工神经网络技术简介 | 第64-67页 |
| ·人工神经网络的特点 | 第65页 |
| ·人工神经网络的发展及主要类型 | 第65-66页 |
| ·神经网络技术在塑性加工领域中的应用 | 第66-67页 |
| ·盒形件智能拉深过程中的神经网络参数识别模型 | 第67-75页 |
| ·输入层与输出层变量的确定 | 第67-68页 |
| ·样本数据的采集及处理 | 第68-71页 |
| ·隐层数目和隐层节点数的选取 | 第71-72页 |
| ·神经网络优化算法 | 第72-73页 |
| ·选择编程语言 | 第73-75页 |
| ·网络模型识别结果 | 第75-79页 |
| ·LM模型与BP和GA-ENN识别模型的结果比较 | 第75-77页 |
| ·盒形件拉深过程中参数的识别结果 | 第77-79页 |
| ·样本数据库对网络输出变量识别精度的影响 | 第79-80页 |
| ·网络泛化能力 | 第80-82页 |
| ·样本数据的影响 | 第80-82页 |
| ·隐层节点数目的影响 | 第82页 |
| ·盒形件参数识别样本数据库的处理 | 第82-85页 |
| ·本章小结 | 第85-87页 |
| 第5章 盒形件智能拉深实验系统 | 第87-103页 |
| ·智能拉深实验系统 | 第87-89页 |
| ·信号采集系统 | 第89-92页 |
| ·便携式信号采集系统的建立 | 第92-98页 |
| ·LabVIEW语言简介 | 第93-94页 |
| ·基于LabVIEW的数据采集系统概述 | 第94页 |
| ·数据采集的信道设置 | 第94-97页 |
| ·信号调理 | 第97-98页 |
| ·便携式数采系统的功能 | 第98-99页 |
| ·基于便携式数采系统上的程序开发与测试 | 第99-100页 |
| ·拉深过程中的参数实时识别 | 第100-101页 |
| ·本章小结 | 第101-103页 |
| 结论 | 第103-106页 |
| 附录 | 第106-112页 |
| 参考文献 | 第112-120页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第120-121页 |
| 致谢 | 第121-122页 |
| 作者简介 | 第122页 |
