| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的来源 | 第9页 |
| 1.2 课题研究的背景和意义 | 第9-10页 |
| 1.3 国内外的研究现状及分析 | 第10-13页 |
| 1.3.1 国外研究现状 | 第10-11页 |
| 1.3.2 国内研究现状 | 第11-13页 |
| 1.4 主要研究内容 | 第13-15页 |
| 第2章 超声加工系统换能器能量模型构建 | 第15-30页 |
| 2.1 换能器工作原理及组成 | 第15-16页 |
| 2.2 换能器振动能量模型的建立 | 第16-22页 |
| 2.2.1 换能器振幅模型的研究 | 第17-22页 |
| 2.3 影响换能器特性参数的因素分析 | 第22-26页 |
| 2.3.1 时变因素对换能器特性参数的影响 | 第23-24页 |
| 2.3.2 工具头长度对换能器特性参数的影响 | 第24-25页 |
| 2.3.3 实际加工对换能器特性参数的影响 | 第25-26页 |
| 2.4 振幅和驱动电流关系标定 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于扫频方法的换能器特性参数辨识 | 第30-38页 |
| 3.1 参数辨识相关原理 | 第30-32页 |
| 3.1.1 换能器特性参数计算原理 | 第30-31页 |
| 3.1.2 扫频原理 | 第31-32页 |
| 3.2 扫频过程 | 第32-34页 |
| 3.2.1 电压与电流有效值检测 | 第32-33页 |
| 3.2.2 阻抗角的检测 | 第33-34页 |
| 3.3 频率扫描算法的选择 | 第34-36页 |
| 3.3.1 实验分析 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第4章 基于ELMAN神经网络的驱动电流预测 | 第38-48页 |
| 4.1 人工神经网络简介 | 第38-39页 |
| 4.2 Elman神经网络 | 第39-41页 |
| 4.2.1 Elman神经网络结构 | 第39-40页 |
| 4.2.2 Elman神经网络学习过程 | 第40-41页 |
| 4.3 基于Elman神经网络驱动电流预测模型的建立 | 第41-47页 |
| 4.3.1 训练样本选取与处理 | 第41-43页 |
| 4.3.2 建立基于Elman网络的电流预测模型 | 第43-44页 |
| 4.3.3 训练网络 | 第44-46页 |
| 4.3.4 Elman预测结果分析 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 实验平台搭建及实验分析 | 第48-58页 |
| 5.1 上位机软件设计 | 第49-51页 |
| 5.1.1 上位机系统设计 | 第49-50页 |
| 5.1.2 Elman神经网络模块 | 第50-51页 |
| 5.2 下位机程序结构设计 | 第51-52页 |
| 5.3 上下位机通信协议设计 | 第52-54页 |
| 5.4 硬件实验平台 | 第54-55页 |
| 5.5 实验 | 第55-56页 |
| 5.5.1 间歇性加工时超声振幅输出一致性实验设计 | 第55-56页 |
| 5.5.2 实验结果分析 | 第56页 |
| 5.6 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的学术论文 | 第64-66页 |
| 致谢 | 第66页 |