汽车后桥横梁冲压回弹控制与工艺参数优化研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-14页 |
| 第一章 绪论 | 第14-21页 |
| ·引言 | 第14-15页 |
| ·板料回弹一般问题 | 第15-16页 |
| ·板料回弹机理 | 第15页 |
| ·板料回弹分类 | 第15页 |
| ·板料回弹量的表征方法 | 第15-16页 |
| ·板料回弹的影响因素 | 第16页 |
| ·板料回弹研究概况 | 第16-19页 |
| ·回弹力学本质及解析研究 | 第16-17页 |
| ·有限元模拟技术在回弹研究中的应用 | 第17页 |
| ·回弹预测方法的研究 | 第17-18页 |
| ·回弹控制手段的研究 | 第18页 |
| ·智能优化技术在回弹控制中的应用 | 第18-19页 |
| ·本课题研究意义和主要内容 | 第19-21页 |
| ·基于工艺控制法的回弹研究中存在的问题 | 第19页 |
| ·研究内容 | 第19-20页 |
| ·研究难点 | 第20-21页 |
| 第二章 汽车横梁拉延成形工艺多目标优化研究 | 第21-33页 |
| ·均匀设计、响应面法和多目标遗传算法简介 | 第21-24页 |
| ·均匀试验设计方法 | 第21-22页 |
| ·响应面法 | 第22页 |
| ·基于 Pareto解的多目标遗传算法 | 第22-24页 |
| ·横梁拉延仿真建模 | 第24-26页 |
| ·零件变形特点分析 | 第24-25页 |
| ·拉延仿真模型设计 | 第25页 |
| ·拉延筋的处理与设置 | 第25-26页 |
| ·多目标优化数学建模 | 第26-27页 |
| ·目标函数 | 第26页 |
| ·设计变量 | 第26-27页 |
| ·约束条件 | 第27页 |
| ·DOE-RSM-MOGA优化策略 | 第27-33页 |
| ·利用均匀设计确定有限元模拟方案 | 第28-29页 |
| ·二阶响应面函数建立及评价 | 第29页 |
| ·基于 Pareto解的多目标遗传算法优化 | 第29-32页 |
| ·优化结果的有限元验证 | 第32-33页 |
| 第三章 横梁回弹预测模型的建立与对比 | 第33-45页 |
| ·工艺参数相关理论 | 第33-35页 |
| ·神经网络相关理论 | 第35-38页 |
| ·误差反向传播神经网络 | 第35-36页 |
| ·径向基函数神经网络 | 第36-37页 |
| ·广义回归神经网络 | 第37页 |
| ·GA优化网络权值的 BP网络 | 第37-38页 |
| ·横梁回弹预测建模 | 第38-43页 |
| ·正交试验设计 | 第38-40页 |
| ·BP神经网络建模 | 第40-41页 |
| ·RBF神经网络建模 | 第41-42页 |
| ·GR神经网络建模 | 第42页 |
| ·GA-BP网络建模 | 第42-43页 |
| ·RSM建模 | 第43页 |
| ·横梁回弹预测模型比较 | 第43-45页 |
| 第四章 遗传算法与免疫算法在横梁回弹控制中的应用 | 第45-55页 |
| ·横梁回弹优化模型及层次优化策略 | 第45-46页 |
| ·横梁回弹优化模型 | 第45页 |
| ·横梁回弹层次优化策略 | 第45-46页 |
| ·两种改进遗传算法及其在横梁回弹控制中的应用 | 第46-49页 |
| ·基于个体迁移的遗传算法 | 第46-48页 |
| ·自适应遗传算法 | 第48-49页 |
| ·免疫算法及其在横梁回弹控制中的应用 | 第49-55页 |
| ·免疫遗传算法 | 第50-53页 |
| ·免疫克隆选择算法 | 第53-55页 |
| 第五章 群智能算法在横梁回弹控制中的应用 | 第55-68页 |
| ·粒子群优化算法及其在横梁回弹控制中的应用 | 第55-64页 |
| ·简单粒子群算法 | 第56-57页 |
| ·两种标准粒子群算法及其在横梁回弹控制中的应用 | 第57-59页 |
| ·改进粒子群算法及其在横梁回弹控制中的应用 | 第59-64页 |
| ·基于粒子群算法的横梁回弹控制总结 | 第64页 |
| ·蚁群算法及其在横梁回弹控制中的应用 | 第64-68页 |
| ·蚁群算法基本原理 | 第65页 |
| ·基于蚁群算法的横梁回弹控制 | 第65-68页 |
| 第六章 模拟退火混合算法在横梁回弹控制中的应用 | 第68-76页 |
| ·模拟退火算法基本原理及关键技术 | 第68-69页 |
| ·模拟退火算法 | 第68页 |
| ·冷却进度表 | 第68-69页 |
| ·模拟退火算法的改进及其在横梁回弹控制中的应用 | 第69-75页 |
| ·模拟退火遗传算法 | 第69-71页 |
| ·模拟退火粒子群算法 | 第71-72页 |
| ·模拟退火蚁群算法 | 第72-74页 |
| ·模拟退火免疫算法 | 第74-75页 |
| ·基于模拟退火混合算法的横梁回弹控制总结 | 第75-76页 |
| 第七章 结论 | 第76-78页 |
| ·全文总结 | 第76-77页 |
| ·研究展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 硕士期间发表的学术论文 | 第83页 |
