汽车高强钢激光焊接接头质量智能分析与预测
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-21页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 双相钢激光焊接现状与应用分析 | 第11-14页 |
| 1.3 人工神经网络及其在焊接领域的应用分析概述 | 第14-18页 |
| 1.4 基于数据挖掘的焊接质量分析 | 第18-19页 |
| 1.5 论文的主要研究内容 | 第19-21页 |
| 2 实验材料设备与方法 | 第21-29页 |
| 2.1 实验材料 | 第21页 |
| 2.2 实验设备 | 第21-23页 |
| 2.3 试验方法 | 第23-26页 |
| 2.4 实验数据库建立 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 预测焊缝区形貌的BP神经网络模型建立与分析 | 第29-40页 |
| 3.1 焊缝尺寸预测系统模型的建立 | 第29-34页 |
| 3.2 BP网络模型结果分析 | 第34-36页 |
| 3.3 离焦量对焊缝区尺寸的影响 | 第36-37页 |
| 3.4 焊接速度对焊缝区尺寸的影响 | 第37-38页 |
| 3.5 激光功率对焊缝区尺寸的影响 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 4 基于聚类分析的焊缝截面形貌研究 | 第40-50页 |
| 4.1 K均值聚类算法介绍 | 第40-41页 |
| 4.2 聚类过程分析 | 第41-42页 |
| 4.3 聚类结果分析 | 第42-46页 |
| 4.4 焊缝区尺寸对接头性能影响 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 结合BP神经网络与聚类分析的焊缝性能预测 | 第50-58页 |
| 5.1 预测模型框架 | 第50页 |
| 5.2 预测模型的建立 | 第50-54页 |
| 5.3 模型的实验验证 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 6 全文总结及展望 | 第58-60页 |
| 6.1 全文总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
