基于神经网络的冲压工艺设计专家系统的研究
| 第一章 绪论 | 第1-23页 |
| ·课题研究的背景 | 第14-15页 |
| ·基于人工神经网络技术的专家系统研究现状 | 第15-18页 |
| ·专家系统的发展概况和现状 | 第15-16页 |
| ·神经网络的发展概况和现状 | 第16-17页 |
| ·ANN与ES结合的必然性 | 第17页 |
| ·基于ANN的ES集成系统发展概况和现状 | 第17-18页 |
| ·汽车覆盖件及其冲压工艺特点 | 第18-20页 |
| ·覆盖件冲压工艺设计系统的建立 | 第20-21页 |
| ·覆盖件冲压工艺设计系统的建造方法 | 第20-21页 |
| ·建立覆盖件冲压工艺设计系统的关键技术 | 第21页 |
| ·本文的研究内容 | 第21-23页 |
| ·课题研究的目的和意义 | 第21-22页 |
| ·本文主要研究内容 | 第22-23页 |
| 第二章 系统模型及总体设计方案 | 第23-32页 |
| ·引言 | 第23页 |
| ·人工神经网络概述 | 第23-25页 |
| ·人工神经元模型 | 第23-25页 |
| ·人工神经网络特点 | 第25页 |
| ·神经网络模型的选取 | 第25-26页 |
| ·经典的神经网络模型 | 第25-26页 |
| ·神经网络模型的选择 | 第26页 |
| ·人工神经网络与专家系统的耦合模式 | 第26-27页 |
| ·系统模型结构的确定 | 第27-29页 |
| ·传统专家系统的一般结构 | 第27-28页 |
| ·本系统结构的确定 | 第28-29页 |
| ·系统的总体设计方案 | 第29-31页 |
| ·建立ANNES的主要技术方法 | 第29-30页 |
| ·系统模块构成 | 第30页 |
| ·系统的应用框架 | 第30-31页 |
| ·本章结论 | 第31-32页 |
| 第三章 系统知识库的构建及推理机设计 | 第32-42页 |
| ·引言 | 第32页 |
| ·知识获取及知识表示方法概述 | 第32-34页 |
| ·知识获取 | 第32-33页 |
| ·知识表示 | 第33-34页 |
| ·系统中的知识获取 | 第34页 |
| ·系统的算法及推导 | 第34-38页 |
| ·BP网络的结构与数学描述 | 第35-36页 |
| ·BP学习算法与过程 | 第36-38页 |
| ·基于ANN的知识库建立 | 第38-39页 |
| ·知识库的构建 | 第38页 |
| ·知识库的维护 | 第38-39页 |
| ·基于人工神经网络的推理机制 | 第39-41页 |
| ·ANNES与传统ES推理机制的比较 | 第39页 |
| ·本系统的推理流程 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于ANN的覆盖件冲压工艺设计知识表示 | 第42-56页 |
| ·引言 | 第42页 |
| ·覆盖件几何特征的提取 | 第42-46页 |
| ·特征技术概述 | 第42-43页 |
| ·汽车覆盖件的特征分类 | 第43-45页 |
| ·汽车覆盖件特征的冲压工艺分析 | 第45-46页 |
| ·覆盖件特征参数设计 | 第46-48页 |
| ·覆盖件特征参数的面向对象设计方法 | 第46-48页 |
| ·覆盖件特征的编码设计 | 第48页 |
| ·覆盖件特征编码的实现方法 | 第48-55页 |
| ·汽车覆盖件的特征编码组成 | 第48-50页 |
| ·覆盖件特征编码说明 | 第50-51页 |
| ·特征对应工艺的编码说明 | 第51-52页 |
| ·系统的编码过程实例 | 第52-55页 |
| ·本章小节 | 第55-56页 |
| 第五章 系统程序框架的具体实现 | 第56-67页 |
| ·引言 | 第56页 |
| ·程序框架的设计思路及实现 | 第56-57页 |
| ·设计工具的选择 | 第56-57页 |
| ·框架设计思路 | 第57页 |
| ·数据库模块设计 | 第57-61页 |
| ·ANNES与数据库系统的结合方式 | 第57-58页 |
| ·数据库具体设计 | 第58-59页 |
| ·数据库模块功能操作图示 | 第59-61页 |
| ·神经网络模块设计思路及实现 | 第61-65页 |
| ·BP神经网络模型 | 第61页 |
| ·神经网络模块的实现 | 第61-65页 |
| ·系统的界面设计 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 结论 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 硕士期间发表文章 | 第72页 |
