摘要5-6
Abstract6-10
第1章 绪论10-18
1.1 课题背景10
1.2 人工神经网络在焊接历程中的运用10-12
1.2.1 ANN在焊接工艺参数设计中的运用10-11
1.2.2 人工神经网络在焊接历程制约中的运用11
1.2.3 人工神经网络在性能预测中的运用11-12
1.3 粒子群算法12-13
1.3.1 粒子群算法在神经网络中的运用12
1.3.2 粒子群算法在多目标优化中的运用12-13
1.3.3 粒子群优化算法在线性规划中的运用13
1.3.4 工程设计与优化领域13
1.4 焊接专家系统的探讨近况13-15
1.5 专家系统与神经网络结合15-16
1.6 本论文主要探讨内容16-18
第2章 粒子群优化算法18-27
2.1 引言18
2.2 标准的粒子群算法18-20
2.2.1 算法原理18-19
2.2.2 算法流程19-20
2.3 改善的粒子群算法20-23
2.3.1 惯性权重的修正20-21
2.3.2 离散PSO21
2.3.3 带空间邻域的PSO21-22
2.3.4 混合算法22-23
2.4 全局最优自适应变异的粒子群算法23-26
2.5 本章小结26-27
第3章 GTAW焊接历程软测量模型27-36
3.1 软测量技术原理27-28
3.1.1 软测量思想27-28
3.1.2 辅助变量的选择28
3.2 人工神经网络软测量建模策略28-30
3.3 GBAMPSO优化的BP神经网络30-31
3.4 GTAW焊接历程系统31-33
3.4.1 系统介绍31
3.4.2 辅助变量的选择31-32
3.4.3 PCA数据降维32-33
3.5 GTAW历程GBAMPSO-BPNN模型建立33-35
3.6 本章小结35-36
第4章 GTAW焊接工艺及设备专家系统的设计36-51
4.1 专家系统的结构和原理36-38
4.1.1 专家系统的特点36-37
4.1.2 专家系统的要素37-38
4.2 焊接专家系统的功能设计38-40
4.2.1 GTAW焊接专家系统的结构38-39
4.2.2 功能模块列表39-40
4.3 焊接工艺模块设计40
4.4 知识库管理模块设计40-47
4.4.1 知识获取方式41-42
4.4.2 知识表示42-43
4.4.3 基于神经网络的知识在线获取43-46
4.4.4 知识库的维护46-47
4.5 GTAW焊接专家系统推理机的设计47-48
4.6 设备库模块设计48-50
4.7 本章小结50-51
第5章 GTAW焊接工艺及设备专家系统的实现51-67
5.1 开发工具介绍51-52
5.2 系统设置52-54
5.2.1 系统登录52-53
5.2.2 添加用户53
5.2.3 修改53-54
5.3 焊接规范的查询与设计54-58
5.3.1 工艺知识库查询55-57
5.3.2 规则库的查询57-58
5.4 设备选型模块58-63
5.4.1 设备浏览展示58-61
5.4.2 设备查询展示61-62
5.4.3 设备添加展示62-63
5.5 基于BP神经网络的焊接规范制定63-66
5.5.1 网络的权阈值训练结果64-65
5.5.2 神经网络估计结果65-66
5.6 本章小结66-67
第6章 总结与展望67-69
6.1 结论67
6.2 展望67-69