摘要4-5
Abstract5-10
1 绪论10-18
1.1 课题探讨的作用10-13
1.1.1 辊弯成型探讨的重要量10-12
1.1.2 探讨目的和作用12-13
1.2 国内外探讨近况及进展走势13-15
1.2.1 国外辊弯成型的进展近况13-14
1.2.2 国内辊弯成型的进展近况14
1.2.3 下一代辊弯成型探讨与进展14-15
1.3 有关有限元与神经网络相结合的探讨15
1.4 有限元和神经网络的运用历程15-16
1.5 课题的主要探讨内容16-18
2 辊弯成型有限元模型的建立18-37
2.1 有限元概论18-20
2.1.1 有限元法的解题步骤18-19
2.1.2 有限元浅析软件ABAQUS19-20
2.2 辊弯成型浅析20-22
2.2.1 辊弯成型变形的特点20-21
2.2.2 变形历程的简化浅析21
2.2.3 辊弯成型历程中成型力的浅析21-22
2.3 模型的简化22
2.4 试验案例的确立22
2.5 模拟策略的选择22-24
2.6 建模历程24-31
2.6.1 材料的本构模型24-26
2.6.2 轧辊的设计26-27
2.6.3 单元类型的选择27-28
2.6.4 浅析步的设置28
2.6.5 接触浅析28-30
2.6.6 边界条件的处理30
2.6.7 载荷和初始条件的处理30-31
2.6.8 提交作业及运转31
2.7 模拟结果与浅析31-36
2.7.1 板材厚度的影响32-33
2.7.2 弯曲角度的影响33-36
2.8 小结36-37
3 BP神经网络模型及其算法37-45
3.1 BP神经网络介绍37-42
3.1.1 BP网络结构37-39
3.1.2 BP学习算法39-42
3.2 BP网络的缺陷42-43
3.3 BP算法的改善43-44
3.4 小结44-45
4 预测模型的设计与MATLAB实现45-56
4.1 神经网络预测的一般步骤45
4.2 网络结构的设计原则45-47
4.2.1 隐层的层数45
4.2.2 各层神经元数的数目45-46
4.2.3 传递函数46
4.2.4 初始权值46
4.2.5 学习速率46-47
4.2.6 训练目标47
4.3 模型的确定47-48
4.4 数据的预处理48-49
4.4.1 数据来源48
4.4.2 样本数据的处理48-49
4.5 网络训练49-53
4.5.1 训练目标的确定51
4.5.2 隐层神经元数的确定51-52
4.5.3 动量因子的确定52
4.5.4 学习速率的确定52-53
4.6 神经网络的预测结果53-55
4.7 小结55-56
5 结论与展望56-58
5.1 结论56
5.2 后续探讨的展望56-58