| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-16页 |
| ·弧焊电源的发展现状及趋势 | 第8-9页 |
| ·弧焊逆变电源的控制方法 | 第9-10页 |
| ·人工智能技术在焊接中的应用 | 第10-14页 |
| ·神经网络在焊接中的应用 | 第10-12页 |
| ·专家系统在焊接中的应用 | 第12-14页 |
| ·本文所做的主要工作及论文安排 | 第14-16页 |
| 2 弧焊逆变电源数学模型的建立 | 第16-25页 |
| ·引言 | 第16页 |
| ·弧焊逆变电源的基本原理 | 第16-17页 |
| ·IGBT弧焊逆变电源的工作原理 | 第17-19页 |
| ·IGBT弧焊逆变电源系统结构 | 第17-18页 |
| ·逆变电源主电路工作原理 | 第18-19页 |
| ·弧焊逆变电源的数学模型的建立 | 第19-21页 |
| ·主电路小信号模型 | 第19-20页 |
| ·PWM比较器的数学模型 | 第20-21页 |
| ·电源系统小信号模型框图 | 第21页 |
| ·逆变电源的大信号非线性模型 | 第21-24页 |
| ·电弧负载的非线性仿真模型 | 第21-22页 |
| ·弧长变化的仿真模型 | 第22-23页 |
| ·系统总的仿真模型 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 弧焊逆变电源的人工神经网络辨识 | 第25-38页 |
| ·基于神经网络的系统辨识 | 第25-28页 |
| ·系统辨识的基本原理 | 第25-26页 |
| ·基于神经网络的系统辨识 | 第26-28页 |
| ·BP算法的分析与改进 | 第28-34页 |
| ·BP网络结构 | 第29页 |
| ·BP算法的数学描述 | 第29-32页 |
| ·BP算法的不足及改进方法 | 第32-34页 |
| ·BP网络的建模机理 | 第34页 |
| ·弧焊逆变电源系统的ANN辨识 | 第34-37页 |
| ·辨识模型的输入输出状态量 | 第34-35页 |
| ·模型结构设计 | 第35-37页 |
| ·辨识模型的训练和验证 | 第37页 |
| ·本章小结 | 第37-38页 |
| 4 神经网络专家系统在焊接工艺参数选择中的应用研究 | 第38-49页 |
| ·专家系统的基本原理和结构 | 第38-40页 |
| ·专家系统的概念 | 第38-39页 |
| ·专家系统的基本特点 | 第39-40页 |
| ·神经网络专家系统 | 第40-41页 |
| ·专家系统与神经网络的区别 | 第40-41页 |
| ·专家系统与神经网络的互补 | 第41页 |
| ·基于神经网络的专家系统在焊接工艺参数选择中的应用 | 第41-46页 |
| ·基于神经网络的专家系统 | 第41-42页 |
| ·系统设计 | 第42-43页 |
| ·神经网络学习模块设计 | 第43-44页 |
| ·推理机模块设计 | 第44-45页 |
| ·数据库系统设计 | 第45-46页 |
| ·神经网络仿真实验 | 第46-48页 |
| ·神经网络训练资料的获取 | 第46页 |
| ·神经网络训练 | 第46-47页 |
| ·仿真分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 5 全文总结 | 第49-51页 |
| ·主要结论 | 第49-50页 |
| ·研究展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 | 第55-56页 |