符号说明
1 绪论
1.1 课题研究的背景
1.1.1 课题研究的背景
1.1.2 课题研究的必要性
1.2 外风挡研究现状
1.2.1 高铁外风挡的类型
1.2.2 高铁外风挡国外研究现状
1.2.3 高铁外风挡国内研究现状
1.3 注射成型工艺优化研究概况
1.3.1 注射成型CAE技术的研究进展
1.3.2 注射成型工艺优化算法的研究进展
1.4 课题研究的内容和意义
1.4.1 课题研究的内容
1.4.2 课题研究的意义
2 外风挡注射成型质量及影响因素分析
2.1 外风挡注射成型的工艺参数
（1）模具温度
（2）熔体温度
（3）注射时间
（4）保压时间
（5）保压压力
（6）硫化时间
（7）硫化压力
（8）注射压力
2.2 外风挡体积收缩分析
2.2.1 外风挡体积收缩产生的机理
2.2.2 外风挡体积收缩的影响因素
2.2.3 外风挡体积收缩的减小措施
2.3 外风挡缩痕分析
2.3.1 外风挡缩痕产生的机理
2.3.2 外风挡缩痕的影响因素
2.3.3 外风挡缩痕的减小措施
2.4 本章小结
3 基于MOLDFLOW的橡胶注射成型CAE分析
3.1 外风挡分析
3.1.1 外风挡制品分析
3.1.2 高铁动车外风挡表面质量分析
3.2 MOLDFLOW分析前处理
3.2.1 模型网格的划分与修复
3.2.2 材料的选择
3.2.3 工艺参数范围的确定
3.3 基于MOLDFLOW注射方案的确定
3.3.1 注射方案的设定
3.3.2 基于MOLDFLOW注射方案的仿真
3.3.3 各种注射方案结果综合比较
3.4 外风挡仿真结果分析
3.5 外风挡注射成型工艺的设计方案
3.6 本章小结
4 基于正交试验注射成型工艺参数优化
4.1 正交试验概述
4.2 正交试验设计与数据分析方法
4.2.1 正交试验设计
4.2.2 试验指标
4.2.3 正交试验因素与水平
4.2.4 正交试验表设计
4.2.5 正交试验数据分析方法
4.3 正交试验结果分析
4.4 多目标下的灰色关联分析
4.4.1 灰色关联方法步骤
4.4.2 灰色关联计算分析
4.5 本章小结
5 基于BP神经网络和遗传算法的注射成型工艺参数优化
5.1 MATLAB神经网络工具
5.2 BP神经网络注射成型预测模型的建立
5.2.1 BP神经网络结构和算法
5.2.2 BP神经网络注射预测模型的建立
5.2.3 BP神经网络注射预测模型函数介绍
5.2.4 基于BP神经网络的注射工艺参数预测
5.3 基于遗传算法的神经网络注射工艺参数优化模型
5.3.1 神经网络遗传算法注射工艺参数优化模型的建立
5.3.2 遗传算法
5.3.3 遗传算法注射工艺参数优化的实现
5.3.4 注射工艺参数最优结果验证与讨论
5.4 本章小结
6 总结与展望
6.1 论文总结
6.2 论文展望
6.3 本文的创新点
参考文献
附录1：BP神经网络运行程序
附录2：遗传算法注射工艺参数极值寻优主程序
致谢
攻读硕士学位期间的研究成果
声明
青岛科技大学;
