基于神经网络和遗传算法的激光选区熔化成形工艺优化研究

摘要	第4-5页
Abstract	第5-6页
1 绪论	第9-17页
1.1 课题研究背景及意义	第9-10页
1.2 传统激光选区熔化成形工艺参数优化方法	第10-12页
1.3 神经网络和遗传算法在参数优化中的应用	第12-13页
1.4 课题主要研究内容及创新点	第13-15页
1.5 论文框架结构简介	第15-17页
2 实验设备、材料及方法	第17-24页
2.1 激光选区熔化成形设备及原理	第17-18页
2.2 实验材料与工艺	第18-20页
2.3 激光选区熔化成形主要工艺参数	第20-21页
2.4 成形件致密度测量方法	第21-22页
2.5 本章小结	第22-24页
3 基于BP神经网络的致密度预测模型	第24-44页
3.1 神经网络概述	第24-26页
3.2 样本数据的选取与处理	第26-29页
3.3 基于BP神经网络的致密度预测模型设计	第29-33页
3.4 BP神经网络致密度预测模型的训练和预测	第33-38页
3.5 逐级预测法与正交试验法的比较	第38-42页
3.6 平均影响值(MIV)算法	第42-43页
3.7 本章小结	第43-44页
4 遗传算法优化BP神经网络致密度预测模型	第44-58页
4.1 遗传算法概述	第44-46页
4.2 遗传算法优化BP神经网络模型的参数设置	第46-48页
4.3 遗传算法优化BP神经网络模型的结果与分析	第48-52页
4.4 遗传算法对激光选区熔化成形工艺参数的优化	第52-56页
4.5 本章小结	第56-58页
5 激光选区熔化成形工艺参数优化系统的设计与应用	第58-68页
5.1 神经网络结合遗传算法参数寻优的流程	第58-59页
5.2 激光选区熔化成形工艺参数优化系统的设计	第59-62页
5.3 激光选区熔化成形工艺参数优化系统的应用	第62-67页
5.4 本章小结	第67-68页
6 总结与展望	第68-70页
6.1 全文总结	第68页
6.2 展望与建议	第68-70页
致谢	第70-71页
参考文献	第71-75页