论文目录 | |
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-16页 |
| 第一章 绪论 | 第16-40页 |
| 1.1 引言 | 第16-17页 |
| 1.2 智能建模的概念和常用方法 | 第17-23页 |
| 1.2.1 智能建模的概念 | 第17-18页 |
| 1.2.2 智能建模的常用方法 | 第18-23页 |
| 1.3 热加工领域智能建模的重要性 | 第23-24页 |
| 1.4 热加工领域智能建模的研究现状 | 第24-28页 |
| 1.5 热加工领域智能建模的一些问题 | 第28-30页 |
| 1.6 支持向量机的研究现状 | 第30-36页 |
| 1.6.1 支持向量机算法的研究现状 | 第30-34页 |
| 1.6.2 支持向量机应用的研究现状 | 第34-36页 |
| 1.7 本文研究意义和内容 | 第36-37页 |
| 1.8 论文结构 | 第37-40页 |
| 第二章 支持向量机基础 | 第40-48页 |
| 2.1 引言 | 第40页 |
| 2.2 SVM 基本思想和相关概念 | 第40-43页 |
| 2.3 材料热加工过程中SVM 的应用分析 | 第43-45页 |
| 2.3.1 SVM 在材料热加工过程中的应用特性 | 第43-44页 |
| 2.3.2 材料热加工过程中SVM 建模方法不足 | 第44-45页 |
| 2.4 材料热加工过程中SVM 建模方法改进途径 | 第45-47页 |
| 2.4.1 SVM 抽取模糊规则的方法 | 第45-46页 |
| 2.4.2 SVM 解决热加工过程模型时变问题的途径 | 第46-47页 |
| 2.5 本章小结 | 第47-48页 |
| 第三章 基于支持向量机的模糊规则获取系统 | 第48-68页 |
| 3.1 引言 | 第48-49页 |
| 3.2 模糊基函数基础知识 | 第49-50页 |
| 3.3 SVM-FRDS | 第50-62页 |
| 3.3.1 规则抽取 | 第52-53页 |
| 3.3.2 推理系统 | 第53-55页 |
| 3.3.3 自适应学习 | 第55-61页 |
| 3.3.4 SVM-FRDS 流程图 | 第61-62页 |
| 3.4 SVM-FRDS 与其他模糊系统对比分析 | 第62-64页 |
| 3.5 实验验证 | 第64-67页 |
| 3.6 本章小结 | 第67-68页 |
| 第四章 权重支持向量回归在线学习方法 | 第68-88页 |
| 4.1 引言 | 第68-69页 |
| 4.2 权重支持向量回归和数据集的分类 | 第69-71页 |
| 4.3 COSVR 算法推导 | 第71-76页 |
| 4.3.1 增量关系的推导 | 第72-74页 |
| 4.3.2 数据集成员迁移 | 第74-75页 |
| 4.3.3 矩阵R 快速更新 | 第75-76页 |
| 4.4 COSVR 流程 | 第76-80页 |
| 4.4.1 COSVR 第一部分(修改历史样本的惩罚系数C)流程 | 第76-78页 |
| 4.4.2 COSVR 流程 | 第78-80页 |
| 4.5 COSVR 软件模块 | 第80-83页 |
| 4.5.1 已有的支持向量机软件及其特点 | 第80页 |
| 4.5.2 本文开发的COSVR 软件的特点 | 第80-81页 |
| 4.5.3 COSVR 软件功能框架 | 第81-83页 |
| 4.6 实验验证 | 第83-86页 |
| 4.7 本章小结 | 第86-88页 |
| 第五章 铝合金脉冲GTAW 焊接动态过程建模与控制 | 第88-126页 |
| 5.1 引言 | 第88-89页 |
| 5.2 铝合金脉冲GTAW 焊接试验系统 | 第89-92页 |
| 5.2.1 基本硬件系统 | 第89页 |
| 5.2.2 视觉传感系统 | 第89-92页 |
| 5.3 铝合金脉冲GTAW 焊接动态过程实验设计及数据采集 | 第92-96页 |
| 5.3.1 输入/输出变量选择 | 第92-93页 |
| 5.3.2 输入信号设计 | 第93-95页 |
| 5.3.3 获取铝合金焊接过程数据 | 第95-96页 |
| 5.4 铝合金脉冲GTAW 焊接动态过程知识建模 | 第96-110页 |
| 5.4.1 铝合金脉冲GTAW 焊接动态过程SVM-FRDS 模型 | 第96-104页 |
| 5.4.2 铝合金脉冲GTAW 焊接动态过程COSVR 模型 | 第104-105页 |
| 5.4.3 铝合金脉冲GTAW 焊接动态过程SVM-FRDS 和COSVR 模型比较 | 第105-108页 |
| 5.4.4 铝合金脉冲 GTAW 焊接动态过程 SVM-FRDS 与粗糙集建模方法的比较 | 第108-110页 |
| 5.5 铝合金脉冲GTAW 过程SVM-FRDS 自适应逆控制 | 第110-124页 |
| 5.5.1 基于SVM-FRDS 的自适应逆控制 | 第110-113页 |
| 5.5.2 铝合金脉冲GTAW 焊接过程自适应逆控制器设计 | 第113-119页 |
| 5.5.3 铝合金脉冲GTAW 焊接过程自适应逆控制仿真 | 第119-120页 |
| 5.5.4 铝合金脉冲GTAW 焊接过程自适应逆控制工艺实验 | 第120-124页 |
| 5.6 本章小结 | 第124-126页 |
| 第六章 氧势法碳势模型修正 | 第126-146页 |
| 6.1 引言 | 第126-127页 |
| 6.2 氧势法测量碳势的基本原理 | 第127-130页 |
| 6.2.1 碳势与氧分压的关系 | 第127-129页 |
| 6.2.2 氧分压与氧探头的输出电势E 的关系 | 第129-130页 |
| 6.3 数据采集 | 第130-132页 |
| 6.4 碳势修正模型知识模型 | 第132-139页 |
| 6.4.1 选择核函数 | 第133页 |
| 6.4.2 影响因素选择 | 第133-134页 |
| 6.4.3 建立单变量和多变量模型 | 第134-136页 |
| 6.4.4 不同碳活度经验公式的影响 | 第136-139页 |
| 6.5 碳势修正模型机理模型 | 第139-140页 |
| 6.6 碳势修正模型人工经验分析 | 第140-141页 |
| 6.7 碳势修正COSVR 模型 | 第141-143页 |
| 6.8 本章小结 | 第143-146页 |
| 结论 | 第146-148页 |
| 本文的创新点 | 第148-150页 |
| 参考文献 | 第150-167页 |
| 攻读博士学位期间发表及待发表的论文 | 第167-169页 |
| 附录 | 第169-177页 |
| 附录一:碳势数据 | 第169-177页 |
| 致谢 | 第177-180页 |
