摘要 | 第9-11页 |
Abstract | 第11-12页 |
第1章 绪论 | 第13-23页 |
1.1 课题研究背景 | 第13-14页 |
1.2 课题研究的目的和意义 | 第14-15页 |
1.3 电火花加工技术 | 第15-18页 |
1.3.1 电火花加工的原理 | 第15页 |
1.3.2 电火花加工的机理 | 第15-17页 |
1.3.3 电火花加工的发展趋势 | 第17-18页 |
1.4 高温合金GH4169的加工方法研究现状 | 第18-20页 |
1.5 电火花加工工艺建模研究现状 | 第20-21页 |
1.6 课题主要研究内容 | 第21-23页 |
第2章 高温合金GH4169的电火花加工工艺试验探究 | 第23-35页 |
2.1 试验方案及参数确定 | 第23-28页 |
2.1.1 加工机床和检测仪器的选择 | 第23-24页 |
2.1.2 试验材料的选择 | 第24-26页 |
2.1.3 工作液的选择 | 第26页 |
2.1.4 影响因素的确定 | 第26页 |
2.1.5 加工指标和测量方式的确定 | 第26-27页 |
2.1.6 极性的选择 | 第27页 |
2.1.7 抬刀周期和抬刀高度的选择 | 第27-28页 |
2.2 单因素试验 | 第28-32页 |
2.2.1 峰值电流对加工指标的影响 | 第29页 |
2.2.2 脉宽对加工指标的影响 | 第29-30页 |
2.2.3 脉间对加工指标的影响 | 第30-31页 |
2.2.4 间隙电压对加工指标的影响 | 第31-32页 |
2.3 GH4169加工面性能分析 | 第32-34页 |
2.3.1 加工面变质层的形成 | 第32-33页 |
2.3.2 加工面硬度分析 | 第33页 |
2.3.3 加工面裂纹分析 | 第33-34页 |
2.4 本章小结 | 第34-35页 |
第3章 高温合金GH4169的电火花加工多目标参数优化 | 第35-45页 |
3.1 正交试验 | 第35-40页 |
3.1.1 正交试验方案的设计 | 第35-37页 |
3.1.2 极差分析 | 第37-40页 |
3.2 灰色系统理论概述 | 第40页 |
3.3 基于正交试验和灰关联分析的参数优化过程 | 第40-43页 |
3.3.1 灰关联度值的计算 | 第41页 |
3.3.2 关于多目标优化的电参数分析 | 第41-42页 |
3.3.3 试验验证 | 第42-43页 |
3.4 本章小结 | 第43-45页 |
第4章 基于BP神经网络的电火花加工GH4169预测模型的建立 | 第45-61页 |
4.1 人工神经网络 | 第45页 |
4.2 BP神经网络 | 第45-50页 |
4.2.1 BP神经网络的原理 | 第46页 |
4.2.2 标准BP算法的数学模型 | 第46-48页 |
4.2.3 标准BP算法的缺点 | 第48-49页 |
4.2.4 BP算法的改进 | 第49-50页 |
4.3 BP神经网络预测模型的建立 | 第50-57页 |
4.3.1 样本数据的获取 | 第51-53页 |
4.3.2 训练样本的预处理 | 第53-55页 |
4.3.3 网络结构的确定 | 第55页 |
4.3.4 激励函数的选取 | 第55-56页 |
4.3.5 学习率的确定 | 第56页 |
4.3.6 训练函数的选取 | 第56页 |
4.3.7 模型其他参数的确定 | 第56-57页 |
4.4 网络训练过程分析及预测结果验证 | 第57-59页 |
4.5 本章小结 | 第59-61页 |
第5章 遗传算法优化的BP神经网络预测效果分析 | 第61-69页 |
5.1 遗传算法概述 | 第61-62页 |
5.1.1 遗传算法的原理 | 第61页 |
5.1.2 遗传算法的特点 | 第61-62页 |
5.2 遗传算法的设计 | 第62-67页 |
5.2.1 GA-BP算法流程 | 第62-63页 |
5.2.2 遗传编码 | 第63-64页 |
5.2.3 适应度函数的确定 | 第64页 |
5.2.4 遗传操作 | 第64-66页 |
5.2.5 种群规模和进化代数的确定 | 第66-67页 |
5.3 程序运行结果分析及验证 | 第67-68页 |
5.4 优化前后模型预测效果的比较与分析 | 第68页 |
5.5 本章小结 | 第68-69页 |
第6章 结论与展望 | 第69-71页 |
6.1 工作总结 | 第69-70页 |
6.2 工作展望 | 第70-71页 |
参考文献 | 第71-75页 |
攻读硕士学位期间的学术成果 | 第75-77页 |
致谢 | 第77页 |