| 摘要 | 第4-7页 |
| ABSTRACT | 第7-10页 |
| 英文简写与数学符号说明 | 第16-19页 |
| 第1章 绪论 | 第19-41页 |
| 1.1 研究背景及意义 | 第19-20页 |
| 1.2 优化算法研究现状 | 第20-25页 |
| 1.2.1 数学优化算法研究现状 | 第21-23页 |
| 1.2.2 智能优化算法研究现状 | 第23-25页 |
| 1.3 粒子群优化算法研究现状 | 第25-29页 |
| 1.3.1 粒子群算法理论研究现状 | 第26-27页 |
| 1.3.2 粒子群算法的改进、完善及发展 | 第27-28页 |
| 1.3.3 粒子群优化算法的应用现状 | 第28-29页 |
| 1.4 转向架焊接工艺优化研究现状 | 第29-35页 |
| 1.4.1 焊接数值模拟研究现状 | 第30-31页 |
| 1.4.2 焊接残余变形和应力的模拟研究进展 | 第31-32页 |
| 1.4.3 转向架焊接工艺优化研究现状 | 第32-35页 |
| 1.5 基于三维激光扫描仪的点云数据处理研究现状 | 第35-38页 |
| 1.5.1 基于三维激光扫描仪的粮仓监测系统研究现状 | 第35-36页 |
| 1.5.2 激光扫描仪点云数据精简处理研究现状概述 | 第36-37页 |
| 1.5.3 激光扫描仪点云数据去噪处理研究现状 | 第37-38页 |
| 1.6 本文研究目标与主要研究内容 | 第38-41页 |
| 第2章 粒子群优化算法及其改进研究 | 第41-57页 |
| 2.1 优化问题概述 | 第41-43页 |
| 2.1.1 单目标优化问题 | 第41页 |
| 2.1.2 多目标优化问题 | 第41-43页 |
| 2.2 粒子群算法理论基础 | 第43-51页 |
| 2.2.1 粒子群算法产生背景 | 第43-44页 |
| 2.2.2 标准粒子群算法 | 第44-47页 |
| 2.2.3 离散粒子群算法 | 第47-48页 |
| 2.2.4 多目标粒子群算法 | 第48-50页 |
| 2.2.5 粒子群算法参数选择 | 第50-51页 |
| 2.3 基于堆栈和指针概念的离散粒子群算法改进 | 第51-55页 |
| 2.3.1 基于堆栈和指针概念的离散变量设置 | 第51-53页 |
| 2.3.2 基于堆栈和指针概念的离散粒子群算法流程设计 | 第53-55页 |
| 2.4 基于粒子群算法的自适应结合算法 | 第55-56页 |
| 2.5 本章小结 | 第56-57页 |
| 第3章 基于离散粒子群算法的转向架构架焊接最优方案研究 | 第57-80页 |
| 3.1 转向架构架侧梁介绍 | 第57-60页 |
| 3.1.1 转向架构架侧梁有限元建模 | 第57-59页 |
| 3.1.2 转向架构架侧梁焊接材料模型 | 第59-60页 |
| 3.2 热机耦合焊接仿真分析 | 第60-64页 |
| 3.2.1 热场仿真移动热源及边界选取 | 第60-61页 |
| 3.2.2 应力场仿真的约束及生死单元处理 | 第61-62页 |
| 3.2.3 仿真分析结果验证 | 第62-64页 |
| 3.3 建立优化数学模型 | 第64-67页 |
| 3.4 建立代理模型 | 第67-69页 |
| 3.4.1 实验设计方案确定 | 第67-68页 |
| 3.4.2 代理模型建立 | 第68-69页 |
| 3.5 应用离散粒子群算法的转向架构架焊接最优方案研究 | 第69-78页 |
| 3.5.1 焊接温度场分析结果 | 第71-74页 |
| 3.5.2 最优焊接残余变形及应力分析结果 | 第74-78页 |
| 3.6 本章小结 | 第78-80页 |
| 第4章 基于多目标粒子群算法的T接头焊接最优方案研究 | 第80-105页 |
| 4.1 T接头介绍 | 第80-82页 |
| 4.1.1 T接头有限元建模 | 第80-81页 |
| 4.1.2 T接头焊接材料模型 | 第81-82页 |
| 4.2 热机耦合焊接仿真分析 | 第82-86页 |
| 4.2.1 热机耦合仿真分析 | 第82-84页 |
| 4.2.2 仿真分析结果验证 | 第84-86页 |
| 4.3 建立优化数学模型 | 第86-90页 |
| 4.3.1 影响因素及优化目标 | 第86-87页 |
| 4.3.2 实验设计方案确定 | 第87-89页 |
| 4.3.3 代理模型建立 | 第89-90页 |
| 4.4 T接头焊接最优方案研究 | 第90-103页 |
| 4.4.1 基于多目标粒子群优化算法的T接头多目标优化 | 第91-94页 |
| 4.4.2 帕累托前端结果 | 第94-100页 |
| 4.4.3 最优综合解 | 第100-103页 |
| 4.5 本章小结 | 第103-105页 |
| 第5章 基于三维激光扫描仪的仓储粮食表面点云数据处理方法 | 第105-121页 |
| 5.1 基于三维激光扫描仪的点云数据获取方法 | 第105-112页 |
| 5.1.1 基于三维激光扫描仪的仓储粮监测系统建立 | 第105-106页 |
| 5.1.2 三维激光扫描系统硬件设计 | 第106-109页 |
| 5.1.3 三维激光扫描系统软件设计 | 第109-112页 |
| 5.2 基于三维激光扫描仪的仓储粮食表面点云数据采集 | 第112-113页 |
| 5.3 基于三维激光扫描仪的粮食表面点云数据处理 | 第113-119页 |
| 5.3.1 点云数据坐标转换 | 第113-115页 |
| 5.3.2 点云数据精简处理 | 第115-117页 |
| 5.3.3 点云数据去噪处理 | 第117-118页 |
| 5.3.4 点云数据曲面重建及粮食体积计算 | 第118-119页 |
| 5.4 本章小结 | 第119-121页 |
| 第6章 基于粒子群优化算法的粮食表面点云数据处理方法 | 第121-141页 |
| 6.1 基于粒子群算法的粮食表面点云数据精简研究 | 第121-125页 |
| 6.1.1 粮食表面点云数据特点 | 第121-122页 |
| 6.1.2 基于粒子群算法的点云数据精简算法流程 | 第122-125页 |
| 6.2 基于粒子群算法的精简算法结果与讨论 | 第125-129页 |
| 6.2.1 精简结果 | 第125-127页 |
| 6.2.2 体积计算精度对比 | 第127-129页 |
| 6.3 基于粒子群算法的粮食表面点云数据去噪研究 | 第129-134页 |
| 6.3.1 点云数据去噪算法前处理 | 第129-131页 |
| 6.3.2 基于粒子群算法的点云数据去噪算法流程 | 第131-134页 |
| 6.4 分类去噪算法结果与讨论 | 第134-139页 |
| 6.4.1 点云数据去噪评价标准 | 第134页 |
| 6.4.2 点云数据去噪效果对比 | 第134-139页 |
| 6.5 本章小结 | 第139-141页 |
| 第7章 结论与展望 | 第141-144页 |
| 7.1 结论 | 第141-143页 |
| 7.2 工作展望 | 第143-144页 |
| 参考文献 | 第144-160页 |
| 作者简介及在学期间所取得的科研成果 | 第160-163页 |
| 一、作者简介 | 第160页 |
| 二、发表的学术论文（按作者名次排序） | 第160-161页 |
| 三、参加的科研项目 | 第161-162页 |
| 四、获得的奖励 | 第162-163页 |
| 后记和致谢 | 第163页 |
