摘要 | 第3-4页 |
Abstract | 第4-5页 |
1.绪论 | 第9-17页 |
1.1 课题研究背景及意义 | 第9-10页 |
1.1.1 研究背景 | 第9页 |
1.1.2 研究意义 | 第9-10页 |
1.2 影响齿圈插齿加工齿形精度的工艺参数分析 | 第10-13页 |
1.2.1 装夹力与装夹变形 | 第11-12页 |
1.2.2 插削力及插削参数 | 第12-13页 |
1.3 国内外研究现状 | 第13-16页 |
1.3.1 装夹过程 | 第13-14页 |
1.3.2 加工过程 | 第14-16页 |
1.4 本文主要研究内容 | 第16-17页 |
2.基于BP神经网络的齿圈装夹变形预测研究 | 第17-36页 |
2.1 引言 | 第17-18页 |
2.2 齿圈装夹方案的约束条件分析 | 第18-21页 |
2.2.1 静力平衡约束 | 第20页 |
2.2.2 摩擦约束 | 第20页 |
2.2.3 接触约束 | 第20-21页 |
2.3 齿圈装夹变形有限元分析 | 第21-23页 |
2.3.1 几何模型 | 第21页 |
2.3.2 网格划分 | 第21页 |
2.3.3 材料属性 | 第21-22页 |
2.3.4 接触设置 | 第22页 |
2.3.5 仿真结果分析 | 第22-23页 |
2.4 齿圈装夹变形预测 | 第23-35页 |
2.4.1 BP神经网络概述 | 第23页 |
2.4.2 BP神经网络的模型结构 | 第23-25页 |
2.4.3 BP神经网络模型的构建过程 | 第25页 |
2.4.4 BP神经网络的学习过程 | 第25-28页 |
2.4.5 Matlab神经网络工具箱 | 第28-29页 |
2.4.6 数据获取及归一化处理 | 第29页 |
2.4.7 相关参数设置 | 第29-30页 |
2.4.8 网络函数设置 | 第30-31页 |
2.4.9 网络结构设置 | 第31页 |
2.4.10 网络学习过程 | 第31-33页 |
2.4.11 网络学习结果数据分析 | 第33-35页 |
2.5 本章小结 | 第35-36页 |
3.基于BP神经网络的齿圈插齿加工插削力预测研究 | 第36-53页 |
3.1 引言 | 第36-37页 |
3.2 齿圈插齿加工有限元分析 | 第37-44页 |
3.2.1 几何模型 | 第38页 |
3.2.2 网格划分 | 第38-39页 |
3.2.3 分析步类型 | 第39页 |
3.2.4 材料属性 | 第39-40页 |
3.2.5 接触摩擦属性 | 第40-41页 |
3.2.6 切屑分离准则 | 第41页 |
3.2.7 插齿运动设置 | 第41页 |
3.2.8 仿真结果分析 | 第41-44页 |
3.3 齿圈插齿插削力预测 | 第44-51页 |
3.3.1 插削力预测模型网络结构 | 第44-45页 |
3.3.2 数据获取及归一化处理 | 第45-46页 |
3.3.3 网络函数设置 | 第46页 |
3.3.4 网络结构设置 | 第46-47页 |
3.3.5 网络学习过程 | 第47-48页 |
3.3.6 网络学习结果及数据分析 | 第48-51页 |
3.4 本章小结 | 第51-53页 |
4.基于BP神经网络-遗传算法的齿圈插齿插削参数优化研究 | 第53-66页 |
4.1 引言 | 第53-54页 |
4.2 遗传算法概述 | 第54-55页 |
4.2.1 遗传算法的特点和优势 | 第54-55页 |
4.2.2 遗传算法的应用 | 第55页 |
4.3 遗传算法求解运算的基本流程 | 第55-56页 |
4.4 基于BP神经网络-遗传算法的齿圈插齿插削参数优化 | 第56-65页 |
4.4.1 齿圈插齿插削参数优化流程 | 第56-57页 |
4.4.2 BP神经网络函数拟合 | 第57-58页 |
4.4.3 适应度函数关系的建立 | 第58-59页 |
4.4.4 遗传算法参数的确定 | 第59-60页 |
4.4.5 初始化种群计算适应度 | 第60页 |
4.4.6 迭代寻优计算 | 第60-61页 |
4.4.7 优化结果分析与验证 | 第61-65页 |
4.5 本章小结 | 第65-66页 |
5.总结与展望 | 第66-68页 |
5.1 总结 | 第66页 |
5.2 展望 | 第66-68页 |
参考文献 | 第68-72页 |
在学研究成果 | 第72-73页 |
致谢 | 第73页 |