| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·课题背景 | 第10页 |
| ·板材成形智能化 | 第10-12页 |
| ·板材成形智能化研究现状及国内外发展趋势 | 第12-17页 |
| ·选题意义与主要研究内容 | 第17-20页 |
| ·课题的选题意义 | 第17-18页 |
| ·课题的主要研究内容 | 第18-20页 |
| 第2章 帽形件弯曲智能化控制过程中BP 神经网络的应用 | 第20-37页 |
| ·引言 | 第20页 |
| ·人工神经网络简介 | 第20-27页 |
| ·人工神经网络的特点 | 第20-21页 |
| ·人工神经网络的发展及主要类型 | 第21页 |
| ·BP 神经网络 | 第21-27页 |
| ·神经网络技术再塑性加工领域的应用 | 第27-29页 |
| ·帽形件弯曲智能化控制中神经网络结构的确定 | 第29-36页 |
| ·网络输入层与输出层节点的选定 | 第29-31页 |
| ·隐层数目和隐层节点的选取 | 第31页 |
| ·神经网络的优化算法 | 第31-34页 |
| ·编程语言的选择 | 第34页 |
| ·样本数据的采集及处理 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 帽形件弯曲智能化控制过程中参数实时识别与预测 | 第37-52页 |
| ·引言 | 第37页 |
| ·帽形件弯曲智能化控制过程中参数的实时识别 | 第37-44页 |
| ·BP 神经网络的学习 | 第37-41页 |
| ·网络模型的识别结果 | 第41-43页 |
| ·帽形件弯曲过程中不同材料的识别结果 | 第43-44页 |
| ·样本数据对网络输出变量识别精度的影响 | 第44-45页 |
| ·网络的泛化能力 | 第45-48页 |
| ·样本数据的影响 | 第45-47页 |
| ·隐层节点数目的影响 | 第47-48页 |
| ·帽形件弯曲智能化控制过程最优工艺参数的预测 | 第48-51页 |
| ·网络模型预测结果 | 第49-50页 |
| ·预测网络模型的泛化能力 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 帽形件弯曲样本数据采集及实验 | 第52-64页 |
| ·引言 | 第52页 |
| ·帽形件弯曲控制成形中信号采集系统的建立 | 第52-58页 |
| ·LabVIEW 虚拟仪器控制程序简介 | 第52-53页 |
| ·基于LabVIEW 的数据采集系统 | 第53-58页 |
| ·帽形件弯曲实验系统 | 第58-59页 |
| ·帽形件弯曲试验结果 | 第59-63页 |
| ·压边力对回弹的影响 | 第59-60页 |
| ·板材厚度对回弹的影响 | 第60页 |
| ·材料性能对回弹的影响 | 第60-62页 |
| ·摩擦对回弹的影响 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士期间承担的科研任务与主要成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 作者简介 | 第74页 |