输油气管线磨料射流开窗参数优选
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究目标和意义 | 第9-10页 |
| ·几种新型的切割开窗方法 | 第10-13页 |
| ·研究内容 | 第13-14页 |
| ·编制软件的必要性 | 第14-15页 |
| 第二章 磨料射流切割及参数优选技术 | 第15-33页 |
| ·磨料射流切割机理研究 | 第15-20页 |
| ·水射流对金属材料切割机理 | 第15-17页 |
| ·磨料颗粒对材料的切割机理 | 第17-18页 |
| ·磨料射流切割过程 | 第18-20页 |
| ·磨料射流切割参数 | 第20-24页 |
| ·水力参数 | 第21页 |
| ·磨料参数 | 第21-22页 |
| ·工作参数 | 第22-24页 |
| ·环境参数 | 第24页 |
| ·磨料射流的切割模型 | 第24-26页 |
| ·几种参数优选方法 | 第26-32页 |
| ·人工神经网络建模方法 | 第27-28页 |
| ·模糊建模方法 | 第28-31页 |
| ·混合建模算法 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 输油气管道磨料射流开窗实验研究 | 第33-42页 |
| ·实验设备 | 第33-35页 |
| ·高压供水系统 | 第33页 |
| ·磨料射流发生装置 | 第33-35页 |
| ·电控装置 | 第35页 |
| ·喷嘴移动装置 | 第35页 |
| ·实验方法 | 第35-36页 |
| ·实验评价标准 | 第35页 |
| ·参数测量 | 第35-36页 |
| ·实验过程 | 第36页 |
| ·实验结果分析 | 第36-41页 |
| ·泵压的影响 | 第36-37页 |
| ·喷嘴直径的影响 | 第37-38页 |
| ·磨料粒径的影响 | 第38页 |
| ·磨料质量浓度的影响 | 第38-39页 |
| ·喷距的影响 | 第39-40页 |
| ·横移速度的影响 | 第40页 |
| ·喷射角度的影响 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 人工神经网络结合遗传算法的参数优选方法 | 第42-61页 |
| ·多层感知器 | 第42-43页 |
| ·反向传播算法 | 第43-48页 |
| ·输入正向传播过程 | 第44-45页 |
| ·误差反向传播过程 | 第45-47页 |
| ·激活函数 | 第47-48页 |
| ·网络的泛化性能 | 第48-49页 |
| ·网络的训练 | 第49-51页 |
| ·训练的方式 | 第49-50页 |
| ·学习率和停止准则 | 第50页 |
| ·训练样本的数量 | 第50-51页 |
| ·遗传算法 | 第51-55页 |
| ·遗传算法的操作 | 第51-53页 |
| ·算法实现 | 第53-55页 |
| ·本文的磨料射流切割参数优选及预测方法 | 第55-60页 |
| ·优选及预测方法概述 | 第55-56页 |
| ·遗传算法优化神经网络 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 软件编制及参数优选应用 | 第61-78页 |
| ·软件介绍 | 第61-73页 |
| ·神经网络建模模块 | 第61-64页 |
| ·神经网络训练模块 | 第64-70页 |
| ·神经网络优选模块 | 第70-71页 |
| ·神经网络预测模块 | 第71-72页 |
| ·数据库管理模块 | 第72-73页 |
| ·参数优选应用 | 第73-77页 |
| ·建立模型 | 第74页 |
| ·训练过程 | 第74-75页 |
| ·参数优选预测结果及分析 | 第75-77页 |
| ·本章小结 | 第77-78页 |
| 结论和建议 | 第78-79页 |
| 参考文献 | 第79-81页 |
| 附录 | 第81-83页 |
| 致谢 | 第83页 |
