遗传神经网络在机加工中的若干应用
| 第一章 绪论 | 第1-17页 |
| ·课题目的和意义 | 第10-11页 |
| ·机加工的研究现状和进展 | 第11-12页 |
| ·切削力的研究概况 | 第11页 |
| ·磨削力及磨削表面粗糙度的研究概况 | 第11-12页 |
| ·神经网络研究现状及分析 | 第12-16页 |
| ·神经网络的研究概况 | 第12-14页 |
| ·遗传算法的研究概况 | 第14-16页 |
| ·论文的主要研究内容 | 第16-17页 |
| 第二章 人工神经网络技术 | 第17-27页 |
| ·生物神经网络概述 | 第17-18页 |
| ·人工模型神经网络 | 第18-21页 |
| ·人工神经元 | 第18-19页 |
| ·人工神经网类型络的 | 第19-20页 |
| ·人工神经网络的学习规则 | 第20页 |
| ·多层前馈人工神经网络的逼近能力 | 第20-21页 |
| ·BP神经网络模型 | 第21-26页 |
| ·BP算法的学习规则 | 第21-24页 |
| ·BP算法的实现步骤 | 第24-26页 |
| ·人工神经网络与传统方法的比较 | 第26-27页 |
| 第三章 基本遗传算法 | 第27-35页 |
| ·遗传算法的生物学基础 | 第27页 |
| ·基本遗传算法原理 | 第27-31页 |
| ·染色体的编码及适应度函数 | 第27-28页 |
| ·遗传算子 | 第28-30页 |
| ·基本运行参数 | 第30-31页 |
| ·基本遗传算法的实现步骤 | 第31-33页 |
| ·遗传算法的数学基础 | 第33页 |
| ·遗传算法与传统优化算法的比较 | 第33-35页 |
| 第四章 算法的改进 | 第35-48页 |
| ·BP神经网络的改进措施及其考虑的若干问题 | 第35-38页 |
| ·激活函数的改进 | 第35页 |
| ·训练样本数据的设计及其标准化问题 | 第35-36页 |
| ·网络结构的设计 | 第36页 |
| ·动量法的引入 | 第36-37页 |
| ·网络性能评价的相关问题 | 第37-38页 |
| ·BP神经网络与遗传算法的结合 | 第38-40页 |
| ·基本遗传算法的自适应改进 | 第40-45页 |
| ·最优保存策略和跨世代精英选择策略 | 第40页 |
| ·过早收敛的现象 | 第40-41页 |
| ·交叉概率和变异概率的动态选择策略 | 第41-42页 |
| ·海明距离的动态调整策略 | 第42-43页 |
| ·适应度函数动态调整的策略 | 第43-45页 |
| ·改进算法的操作效率实验证明 | 第45-48页 |
| 第五章 切削加工性能的遗传神经网络预测模型 | 第48-62页 |
| ·引言 | 第48页 |
| ·切削加工的特点与分析 | 第48-49页 |
| ·切削力的基本理论 | 第49-54页 |
| ·切削力的特征 | 第49-50页 |
| ·传统的切削力计算公式 | 第50-52页 |
| ·影响切削力的因素 | 第52-54页 |
| ·基于遗传神经网络的切削性能预测模型 | 第54-62页 |
| ·预测模型的建立 | 第54-55页 |
| ·预测模型的应用举例 | 第55-62页 |
| 第六章 磨削加工性能的神经网络预测模型 | 第62-75页 |
| ·引言 | 第62页 |
| ·磨削加工的特点与分析 | 第62-63页 |
| ·磨削力的基本理论 | 第63-67页 |
| ·磨削力的特征 | 第63-64页 |
| ·磨削力的传统计算方法 | 第64-66页 |
| ·磨削力的影响因素 | 第66-67页 |
| ·磨削表面粗糙度的基本理论 | 第67-69页 |
| ·磨削表面粗糙度的理论模型 | 第67-68页 |
| ·磨削表面粗糙度的经验模型 | 第68页 |
| ·影响磨削加工表面粗糙度的因素 | 第68-69页 |
| ·基于遗传神经网络的磨削性能预测模型 | 第69-75页 |
| ·预测模型的建立 | 第69-70页 |
| ·预测模型的应用举例 | 第70-75页 |
| 第七章 结论与展望 | 第75-77页 |
| ·结论 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间发表的学术论文目录 | 第81页 |
