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 |