| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第1章 绪论 | 第12-24页 |
| ·CAPP 系统概述 | 第12-18页 |
| ·CAPP 涵义及其在机械制造中的意义 | 第12-13页 |
| ·CAPP 发展及分类 | 第13-16页 |
| ·CAPP 存在的主要问题 | 第16-17页 |
| ·CAPP 的发展趋势 | 第17-18页 |
| ·智能CAPP 系统关键技术及其研究现状 | 第18-22页 |
| ·零件特征加工方案的产生 | 第18-20页 |
| ·定位基准的选择 | 第20-21页 |
| ·工艺路线的优化 | 第21-22页 |
| ·课题研究意义及主要内容 | 第22-24页 |
| ·课题研究的目的和意义 | 第22-23页 |
| ·课题研究的主要内容 | 第23-24页 |
| 第2章 智能CAPP 系统体系结构研究 | 第24-31页 |
| ·CAPP 系统的基本结构 | 第24-25页 |
| ·智能CAPP 系统的体系结构 | 第25-30页 |
| ·智能CAPP 系统的总体结构 | 第25-27页 |
| ·智能CAPP 系统的工作流程 | 第27-28页 |
| ·知识库的构建 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于人工神经网络的特征加工方案决策方法研究 | 第31-49页 |
| ·人工神经网络基础 | 第31-36页 |
| ·人工神经网络概述 | 第31-32页 |
| ·人工神经元模型 | 第32-33页 |
| ·BP 神经网络 | 第33-36页 |
| ·特征加工方案决策模型 | 第36-39页 |
| ·基于BP 网络的特征加工方案的产生 | 第39-46页 |
| ·BP 网络模型的建立 | 第40-41页 |
| ·网络的处理 | 第41-42页 |
| ·训练样本的选取 | 第42-44页 |
| ·BP 神经网络的训练与测试 | 第44-46页 |
| ·MATLAB 中的神经网络工具箱 | 第46页 |
| ·基于BP 神经网络的特征加工方案决策实例 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于人工神经网络的定位基准选择方法研究 | 第49-58页 |
| ·应用人工神经网络自动选择定位基准的原因 | 第49-50页 |
| ·基于BP 神经网络的定位基准选择 | 第50-56页 |
| ·BP 神经网络模型 | 第50-51页 |
| ·网络的编码 | 第51-52页 |
| ·训练样本的选取 | 第52-54页 |
| ·网络的训练与测试 | 第54-56页 |
| ·基于BP 神经网络的定位基准选择实例 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 基于遗传算法的工艺路线优化研究 | 第58-76页 |
| ·遗传算法基本理论 | 第58-61页 |
| ·遗传算法基本原理 | 第58页 |
| ·遗传算法的基本步骤 | 第58-60页 |
| ·遗传算法的优点 | 第60-61页 |
| ·基于遗传算法的工艺路线优化关键问题的解决 | 第61-64页 |
| ·工艺路线优化的数学模型 | 第61-62页 |
| ·优先关系约束的处理 | 第62-64页 |
| ·基于遗传算法的工艺路线优化的实现 | 第64-70页 |
| ·基因编码 | 第65-66页 |
| ·初始种群的产生 | 第66页 |
| ·适应度函数的确定 | 第66-67页 |
| ·选择 | 第67页 |
| ·交叉 | 第67-68页 |
| ·变异 | 第68-69页 |
| ·加工元序列有效性检验与调整算法 | 第69页 |
| ·最佳个体保护 | 第69页 |
| ·终止条件 | 第69-70页 |
| ·运行参数的设置 | 第70页 |
| ·基于遗传算法的工艺路线优化实例 | 第70-75页 |
| ·本章小结 | 第75-76页 |
| 第6章 智能CAPP 系统工艺决策模块的开发 | 第76-84页 |
| ·系统概述 | 第76页 |
| ·系统演示 | 第76-83页 |
| ·系统主界面 | 第76-77页 |
| ·神经网络训练 | 第77-79页 |
| ·加工方案决策 | 第79-80页 |
| ·工艺路线优化 | 第80-83页 |
| ·本章小结 | 第83-84页 |
| 结论 | 第84-104页 |
| 参考文献 | 第104-110页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第110-111页 |
| 致谢 | 第111-112页 |
| 作者简介 | 第112页 |