| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 符号说明 | 第15-16页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 汽车轻量化的发展概况 | 第16页 |
| 1.2 车用塑料类型与特征 | 第16-17页 |
| 1.3 车用塑料制品加工方式 | 第17-18页 |
| 1.4 注射成型常见缺陷及优化措施 | 第18-19页 |
| 1.5 注射成型工艺优化研究概况 | 第19-23页 |
| 1.5.1 注塑机结构及工艺流程 | 第19-21页 |
| 1.5.2 注射成型CAE技术的研究进展 | 第21-22页 |
| 1.5.3 注射成型工艺优化算法的研究进展 | 第22-23页 |
| 1.6 快接插头简介 | 第23-24页 |
| 1.6.1 快插接头原理 | 第23-24页 |
| 1.6.2 快接插头工作环境及应用 | 第24页 |
| 1.7 本课题研究目的与研究方法 | 第24-26页 |
| 1.7.1 本课题研究目的与意义 | 第24-25页 |
| 1.7.2 本课题研究方法及研究内容 | 第25-26页 |
| 第二章 基于Moldflow的车用快插接头注塑模具设计 | 第26-44页 |
| 2.1 Moldflow注塑成型 | 第26-27页 |
| 2.1.1 Moldflow概述 | 第26页 |
| 2.1.2 MPI主要分析模块 | 第26-27页 |
| 2.1.3 MPI分析的主要步骤 | 第27页 |
| 2.2 制品模型的前处理 | 第27-41页 |
| 2.2.1 网格的划分 | 第27-30页 |
| 2.2.2 浇注系统与冷却系统的建立 | 第30-39页 |
| 2.2.3 材料的选择 | 第39-41页 |
| 2.3 论文所选零件质量分析 | 第41-42页 |
| 2.4 本章小结 | 第42-44页 |
| 第三章 车用快插接头壳体注射成型多目标正交优化 | 第44-60页 |
| 3.1 Taguchi试验设计方法 | 第44-45页 |
| 3.1.1 正交矩阵 | 第44页 |
| 3.1.2 信噪比 | 第44-45页 |
| 3.2 试验结果的分析方法 | 第45-48页 |
| 3.2.1 多目标试验设计 | 第45-47页 |
| 3.2.2 极差分析法 | 第47页 |
| 3.2.3 方差分析法 | 第47-48页 |
| 3.3 车用快插接头壳体正交试验设计 | 第48-56页 |
| 3.3.1 评价指标的确定 | 第48页 |
| 3.3.2 实验设备及装置 | 第48-50页 |
| 3.3.3 试验因数水平设计与试验结果 | 第50-51页 |
| 3.3.4 试验结果的数值分析 | 第51-56页 |
| 3.4 多目标下灰色关联度分析 | 第56-58页 |
| 3.4.1 灰色关联度分析简介 | 第57页 |
| 3.4.2 灰色关联度的计算分析 | 第57-58页 |
| 3.5 本章小结 | 第58-60页 |
| 第四章 基于神经网络和遗传算法的锁簧注射成型工艺优化 | 第60-80页 |
| 4.1 Taguchi试验 | 第60-64页 |
| 4.1.1 试验因数水平设计与试验结果 | 第60-61页 |
| 4.1.2 试验结果的数值分析 | 第61-64页 |
| 4.2 神经网络 | 第64-72页 |
| 4.2.1 BP网络模型 | 第64-65页 |
| 4.2.2 BP算法 | 第65-68页 |
| 4.2.3 BP网络的设计 | 第68-70页 |
| 4.2.4 神经网络模型的建立 | 第70-71页 |
| 4.2.5 模型验证 | 第71-72页 |
| 4.3 基于遗传算法的神经网络模型参数优化 | 第72-74页 |
| 4.3.1 目标函数的表示 | 第72页 |
| 4.3.2 遗传算法优化神经网络连接权 | 第72-73页 |
| 4.3.3 神经网络权值优化 | 第73-74页 |
| 4.4 遗传算法 | 第74-79页 |
| 4.4.1 遗传算法简介 | 第74-75页 |
| 4.4.2 遗传算法的具体实施 | 第75-77页 |
| 4.4.3 工艺参数寻优 | 第77-79页 |
| 4.5 本章小结 | 第79-80页 |
| 第五章 结论 | 第80-82页 |
| 5.1 全文总结 | 第80页 |
| 5.2 论文的创新点 | 第80-81页 |
| 5.3 展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-88页 |
| 研究成果及发表的学术论文 | 第88-90页 |
| 作者和导师简介 | 第90-91页 |
| 附件 | 第91-92页 |