论文目录 | |
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪 论 | 第9-24页 |
| · 研究背景 | 第9-10页 |
| · AerMet100 钢概述 | 第10-12页 |
| · 热挤压变形 | 第12-16页 |
| · 热挤压过程的摩擦与润滑 | 第13-14页 |
| · 热挤压过程中模具的材料与失效 | 第14-16页 |
| · 热挤压过程中的金属流动 | 第16页 |
| · DEFORM 软件及其应用 | 第16-18页 |
| · DEFORM 软件的发展 | 第16-17页 |
| · DEFORM 软件的主要功能 | 第17-18页 |
| · DEFORM 软件的应用 | 第18页 |
| · 人工神经网络在材料科学中的应用现状 | 第18-23页 |
| · BP 神经网络简介 | 第18-19页 |
| · BP 神经网络模型与算法 | 第19-20页 |
| · 人工神经网络特点 | 第20-21页 |
| · 人工神经网络的应用 | 第21-23页 |
| · 研究内容 | 第23-24页 |
| 第2章 试验材料和方法 | 第24-28页 |
| · 试验材料 | 第24页 |
| · 热挤压设备及工艺方案 | 第24-26页 |
| · 热挤压AerMet100 钢时效工艺方案 | 第26页 |
| · 分析测试方法 | 第26-27页 |
| · 组织观察分析 | 第26-27页 |
| · 力学性能测试 | 第27页 |
| · 断口扫描观察 | 第27页 |
| · 模拟及优化方法 | 第27-28页 |
| 第3章 热挤压AerMet100 钢的组织表征 | 第28-41页 |
| · 热挤压过程的模拟 | 第28-30页 |
| · AerMet100 钢热挤压后组织分析 | 第30-35页 |
| · AerMet100 钢热挤压后试样宏观形貌 | 第30-32页 |
| · AerMet100 钢热挤压变形流线 | 第32页 |
| · 热挤压AerMet100 钢试样各区域组织 | 第32-35页 |
| · 热挤压AerMet100 钢时效组织分析 | 第35-38页 |
| · 热挤压AerMet100 钢显微组织的TEM 观察 | 第38-39页 |
| · 本章小结 | 第39-41页 |
| 第4章 热挤压与时效的AerMet100 钢力学性能 | 第41-52页 |
| · 热挤压温度对AerMet100 钢时效硬度的影响 | 第41-42页 |
| · 热挤压AerMet100 钢时效后力学性能测定 | 第42-47页 |
| · 热挤压态AerMet100 钢的力学性能 | 第42页 |
| · 时效温度对热挤压AerMet100 钢硬度的影响 | 第42-43页 |
| · 热挤压AerMet100 钢时效后的拉伸性能 | 第43-46页 |
| · 热挤压AerMet100 钢时效后的冲击韧性 | 第46-47页 |
| · 热挤压后时效的AerMet100 钢试样扫描断口观察 | 第47-51页 |
| · 热挤压后时效的AerMet100 钢试样拉伸断口观察 | 第47-50页 |
| · 热挤压后时效的AerMet100 钢试样冲击断口观察 | 第50-51页 |
| · 本章小结 | 第51-52页 |
| 第5章 基于BP 神经网络优化热挤压 AerMet100 钢的时效工艺 | 第52-62页 |
| · 优化热挤压AerMet100 钢时效工艺的BP 神经网络模型 | 第52-57页 |
| · BP 神经元及双层BP 神经网络模型 | 第52-54页 |
| · 时效工艺的BP 神经网络预报模型 | 第54-57页 |
| · 热挤压AerMet100 钢时效工艺预报 | 第57-59页 |
| · 热挤压AerMet100 钢的时效工艺优化与验证 | 第59-61页 |
| · 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间发表的学术论文 | 第68-70页 |
| 致谢 | 第70页 |
