汽车前端模块注塑过程仿真分析和模具的结构优化
致谢 | 第7-8页 |
摘要 | 第8-9页 |
ABSTRACT | 第9-10页 |
第一章 绪论 | 第17-25页 |
1.1 研究背景 | 第17-18页 |
1.2 前端模块以及长纤维增强聚酰胺的简介 | 第18-20页 |
1.3 注塑成型CAE技术简介 | 第20页 |
1.4 国内外注塑成型的发展现状 | 第20-22页 |
1.4.1 国外注塑成型的发展情况 | 第20-22页 |
1.4.2 国内的研究现状 | 第22页 |
1.5 论文主要研究意义和内容 | 第22-24页 |
1.5.1 研究意义 | 第22-23页 |
1.5.2 研究内容 | 第23-24页 |
1.6 本章小结 | 第24-25页 |
第二章 正交实验和神经网格技术原理 | 第25-36页 |
2.1 正交实验 | 第25-29页 |
2.1.1 正交表 | 第25页 |
2.1.2 正交实验的结果分析 | 第25-29页 |
2.2 人工神经网络的结构和模型 | 第29-30页 |
2.2.1 人工神经元结构 | 第29页 |
2.2.2 人工神经网络类型 | 第29-30页 |
2.3 BP神经网络 | 第30-35页 |
2.3.1 BP神经网络的模型和结构 | 第31-32页 |
2.3.2 BP神经网络的流程和算法 | 第32-35页 |
2.4 本章小结 | 第35-36页 |
第三章 汽车前端模块有限元模型的建立 | 第36-51页 |
3.1 汽车前端模块模型的建立 | 第36-39页 |
3.1.1 前端模块模型的前处理 | 第36-37页 |
3.1.2 前端模块模型的导入与网格划分 | 第37-39页 |
3.2 材料的设置 | 第39-40页 |
3.2.1 模型材料的选择 | 第39-40页 |
3.2.2 模具材料的选择 | 第40页 |
3.3 冷却系统的建立 | 第40-42页 |
3.4 浇注系统的优化设计 | 第42-49页 |
3.4.1 浇口位置的分析 | 第42-43页 |
3.4.2 浇注系统的优化设计 | 第43-49页 |
3.5 本章小结 | 第49-51页 |
第四章 前端模块成型工艺的正交实验 | 第51-67页 |
4.1 正交实验设计 | 第51-53页 |
4.1.1 实验因素选择及水平划分 | 第51-53页 |
4.1.2 正交实验实验结果 | 第53页 |
4.2 实验结果分析 | 第53-59页 |
4.2.1 均值极差分析 | 第54-57页 |
4.2.2 方差分析 | 第57-58页 |
4.2.3 实验验证 | 第58-59页 |
4.3 线性回归分析 | 第59-66页 |
4.3.1 多元线性回归原理 | 第60-61页 |
4.3.2 回归方程的确定 | 第61-64页 |
4.3.3 回归方程的评价 | 第64-66页 |
4.4 本章小结 | 第66-67页 |
第五章 BP-RSM-GRA在工艺参数优化的应用 | 第67-93页 |
5.1 人工神经网络的发展和应用 | 第67-69页 |
5.1.1 BP神经网络的激活函数 | 第68-69页 |
5.2 BP神经网络在注塑成型工艺中的应用 | 第69-75页 |
5.2.1 网络结构的选择 | 第70页 |
5.2.2 数据归一化处理 | 第70-71页 |
5.2.3 神经网络函数的确定 | 第71页 |
5.2.4 隐藏层神经元个数的确定 | 第71-73页 |
5.2.5 BP神经网络预测结果分析 | 第73-75页 |
5.3 响应曲面法 | 第75-78页 |
5.3.1 响应曲面法概述 | 第75-76页 |
5.3.2 响应曲面法的基本原理 | 第76-78页 |
5.4 响应曲面法实验 | 第78-87页 |
5.4.1 响应曲面法实验设计 | 第78-80页 |
5.4.2 响应曲面法实验结果 | 第80-83页 |
5.4.3 响应曲面法优化设计 | 第83-87页 |
5.5 灰色关联度 | 第87-89页 |
5.5.1 灰色关联度概述 | 第87-88页 |
5.5.2 灰色关联度的计算方法与步骤 | 第88-89页 |
5.6 灰色关联度的应用 | 第89-92页 |
5.6.1 灰色关联度在Matlab中的实现 | 第89页 |
5.6.2 灰色关联度分析结果 | 第89-92页 |
5.7 本章小结 | 第92-93页 |
第六章 总结与展望 | 第93-95页 |
6.1 总结 | 第93-94页 |
6.2 展望 | 第94-95页 |
参考文献 | 第95-100页 |
攻读硕士学位期间的学术活动及成果情况 | 第100页 |