文摘
英文文摘
第1章 绪论
1.1 研究意义
1.2 国内外研究现状
1.2.1 气辅成型CAE技术及工艺优化研究
1.2.2 软计算方法在注塑模中的应用
1.3 本文研究内容
1.4 本章小结
第2章 软计算方法中代理模型的建模技术研究
2.1 引言
2.2 正交试验技术原理[41,42,43]
2.2.1 正交矩阵概述
2.2.2 正交矩阵的概念
2.2.3 正交表的基本性质
2.2.4 正交试验设计注意事项
2.3 棒类零件软计算方法中的代理模型的建模研究
2.3.1 初始代理模型的建立
2.3.2 确立长度修正系数的试验模拟
2.3.3 模拟结果中回归分析的应用
2.4 关于代理模型的验证
2.5 本章小结
第3章 代理模型气辅注塑成型中工艺参数优化分析
3.1 引言
3.2 代理模型正交试验设计研究
3.2.1 代理模型正交试验设计因子设置及试验结果
3.2.2 试验因子对成型结果的影响分析
3.3 不同设置水平的正交试验设计及结果
3.4 本章小结
第4章 软计算方法中基于代理模型的神经网络方法
4.1 神经网络概述(44]
4.1.1 神经元
4.1.2 神经元网络模型结构
4.1.3 学习规则
4.1.4 神经网络的基本属性及模型类别
4.2 反向传播网络--BP网络[44,45,46]
4.2.1 BP网络重要定理
4.2.2 BP学习算法
4.2.3 对BP网络的评价
4.3 气体辅助注塑工艺参数智能设定BP网络设计
4.3.1 样本数据的处理
4.3.2 传递函数的确定
4.3.3 训练算法的确定
4.3.4 初始权值的确定
4.3.5 学习速率的确定
4.3.6 隐层神经元个数确定
4.4 BP神经网络预测结果与CAE模拟结果比较
4.5 本章小结
第5章 软计算方法在汽车后视镜产品中的应用
5.1 对汽车后视镜镜框模型的处理
5.2 镜框模型CAE模拟与神经网络预测的比较
5.3 汽车后视镜镜框代理模型的确立
5.4 本章小结
第6章 结论与展望
6.1 结论
6.2 展望
参 考 文 献
致 谢
攻读学位期间参加的科研项目和成果