微小体积塑件注塑成型质量缺陷的成因与预测
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-26页 |
| ·背景 | 第10-11页 |
| ·微注塑成型国内外研究现状 | 第11-14页 |
| ·工艺参数的影响 | 第11-12页 |
| ·模具结构的影响 | 第12页 |
| ·材料特性的影响 | 第12-13页 |
| ·微尺度效应的影响 | 第13-14页 |
| ·微齿轮研究的现状 | 第14-15页 |
| ·微小件的质量缺陷及成因 | 第15-16页 |
| ·成型质量预测方法介绍 | 第16-24页 |
| ·国外研究概况 | 第16-20页 |
| ·国内研究概况 | 第20-22页 |
| ·灰色理论与神经网络方法的比较 | 第22-24页 |
| ·课题的研究内容 | 第24-26页 |
| 2 模具设计 | 第26-40页 |
| ·行星减速器简介 | 第26-28页 |
| ·行星齿轮传动的特点 | 第26-28页 |
| ·模具总体结构 | 第28-34页 |
| ·浇注系统的设计 | 第28-31页 |
| ·推出系统的设计 | 第31-32页 |
| ·模温系统的设计 | 第32-33页 |
| ·齿轮型腔的加工参数 | 第33页 |
| ·成型零件的结构设计 | 第33-34页 |
| ·传感器 | 第34-35页 |
| ·传感器的结构及其安装方法 | 第34-35页 |
| ·模具中的传感器布置及设计 | 第35-40页 |
| 3 正交试验设计及数据分析 | 第40-48页 |
| ·试验设备 | 第40-43页 |
| ·试验材料 | 第43-44页 |
| ·POM的加工特性 | 第43页 |
| ·POM的注塑加工工艺 | 第43-44页 |
| ·正交试验设计方法 | 第44-48页 |
| ·正交表的设计 | 第45-46页 |
| ·极差分析 | 第46-48页 |
| 4 质量预测模型的建立 | 第48-76页 |
| ·神经网络 | 第48-50页 |
| ·神经元结构模型 | 第49页 |
| ·神经网络的学习规则 | 第49-50页 |
| ·BP神经网络 | 第50-52页 |
| ·BP网络概述 | 第50-51页 |
| ·基本的BP算法 | 第51-52页 |
| ·对 BP神经网络进行改进 | 第52-64页 |
| ·动量改进的BP算法 | 第53-61页 |
| ·模拟退火结合 BP网络 | 第61-64页 |
| ·多项式网络(PNN) | 第64-67页 |
| ·多项式神经网络的原理 | 第64页 |
| ·设计多项式神经网络 | 第64-66页 |
| ·多项式神经网络 PD系数的确定方法 | 第66-67页 |
| ·混合神经网络的研究 | 第67-70页 |
| ·小波神经网络的研究 | 第70-74页 |
| ·构造小波网络 | 第70-74页 |
| ·变结构神经网络 | 第74-76页 |
| ·神经网络的结构优化方法 | 第74-76页 |
| 5 微齿轮数字图像处理 | 第76-81页 |
| 结论 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 附录A 含有动量改进算法的BP网络程序简述 | 第86-90页 |
| 附录B 模拟退火算法简述 | 第90-93页 |
| 附录C BP-PNN程序简述 | 第93-95页 |
| 附录D WNN程序简述 | 第95-97页 |
| 附录E 微齿轮数字图像处理程序简述 | 第97-100页 |
| 攻读硕士学位期间发表学术论文情况 | 第100-101页 |
| 致谢 | 第101-102页 |
