基于神经网络的数控车削过程中零件表面粗糙度的在线预测
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·表面粗糙度预测的意义 | 第9-11页 |
| ·表面粗糙度在线预测技术概况 | 第11-13页 |
| ·论文主要内容 | 第13-15页 |
| 第二章 数控加工技术概况 | 第15-21页 |
| ·数控加工技术的历史与发展 | 第15-18页 |
| ·数控技术的发展历史 | 第15-16页 |
| ·数控机床发展趋势 | 第16-18页 |
| ·数控加工技术的基本原理 | 第18-19页 |
| ·本章小结 | 第19-21页 |
| 第三章 表面粗糙度的形成机理与影响因素 | 第21-27页 |
| ·加工表面的成形过程 | 第21页 |
| ·影响表面粗糙度的因素 | 第21-23页 |
| ·表面粗糙度值的评价体系 | 第23-26页 |
| ·图形表征 | 第23-24页 |
| ·参数表征 | 第24-25页 |
| ·分形表征 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 切削振动对表面粗糙度的影响机理 | 第27-34页 |
| ·车削中的振动形式 | 第27-29页 |
| ·车削振动系统模型分析 | 第29-31页 |
| ·单自由度系统的振动特性 | 第30页 |
| ·多自由度系统的振动特性 | 第30-31页 |
| ·振动模型的建立 | 第31页 |
| ·振动激励下的表面形状 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第五章 人工神经网络的应用 | 第34-43页 |
| ·人工神经网络概述 | 第34-36页 |
| ·人工神经网络的起源与发展 | 第34-35页 |
| ·人工神经网络的特点 | 第35-36页 |
| ·人工神经网络的结构 | 第36-38页 |
| ·神经元及其特性 | 第36-37页 |
| ·人工神经网络的结构 | 第37-38页 |
| ·BP网络 | 第38-40页 |
| ·BP网络模型特点 | 第39-40页 |
| ·BP网络学习算法 | 第40页 |
| ·网络的设计 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第六章 实验原理与实验结果 | 第43-59页 |
| ·传感器的选择 | 第43-46页 |
| ·振动位移测量传感器的类型与特点 | 第43-44页 |
| ·压电式加速度传感器的工作原理 | 第44-45页 |
| ·传感器的选定 | 第45页 |
| ·传感器的安装 | 第45-46页 |
| ·信号采样 | 第46-48页 |
| ·信号处理 | 第48-54页 |
| ·预测用神经网络的构建 | 第54页 |
| ·实验方案 | 第54-56页 |
| ·神经网络的预测结果图 | 第56-59页 |
| 结论与展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64页 |
