| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-20页 |
| ·水射流技术的起源 | 第10页 |
| ·高压水射流的分类与技术应用 | 第10-13页 |
| ·高压水射流分类 | 第10-11页 |
| ·高压水射流技术应用 | 第11-13页 |
| ·国内外研究概况及发展趋势 | 第13-14页 |
| ·高压水射流技术国内外研究概况及发展趋势 | 第13页 |
| ·磨料水射流技术国内外研究概况及发展趋势 | 第13-14页 |
| ·磨料水射流技术应用现状 | 第14页 |
| ·磨料水射流技术在武器销毁领域中的应用 | 第14-16页 |
| ·磨料水射流切割模型研究现状 | 第16-18页 |
| ·课题来源 | 第18页 |
| ·课题研究主要内容及意义 | 第18-20页 |
| ·课题研究的主要内容 | 第18页 |
| ·课题研究的意义 | 第18-20页 |
| 2 磨料水射流切割机理的研究 | 第20-28页 |
| ·高压水射流结构 | 第20-21页 |
| ·水射流的切割机理 | 第21-23页 |
| ·金属等塑性材料的破坏 | 第23-24页 |
| ·岩石等脆性材料的破坏 | 第24页 |
| ·磨料水射流工作原理 | 第24-26页 |
| ·前混合式磨料水射流 | 第24-26页 |
| ·后混合式磨料水射流 | 第26页 |
| ·磨料水切割的影响因素 | 第26-27页 |
| ·本章小节 | 第27-28页 |
| 3 前混合式磨料水射流弹药切割机结构设计 | 第28-42页 |
| ·设计目标及射流方式的选择 | 第28页 |
| ·设计目标 | 第28页 |
| ·射流方式的选择 | 第28页 |
| ·高压水发生装置的选择 | 第28-31页 |
| ·前混合式磨料水射流弹药切割系统原理 | 第31-32页 |
| ·执行机构设计 | 第32-34页 |
| ·传动系统 | 第32页 |
| ·专用卡具的设计 | 第32-33页 |
| ·切割头的设计 | 第33-34页 |
| ·磨料水射流发生装置 | 第34-38页 |
| ·磨料流化装置 | 第35-36页 |
| ·卸压装置 | 第36页 |
| ·防堵装置 | 第36-38页 |
| ·接收器 | 第38页 |
| ·运动控制系统 | 第38-41页 |
| ·本章小节 | 第41-42页 |
| 4 基于神经网络的磨料水射流切割模型的研究 | 第42-69页 |
| ·人工神经网络技术概述 | 第42-43页 |
| ·人工神经网络的发展历史 | 第42-43页 |
| ·人工神经网络技术的特点 | 第43页 |
| ·人工神经网络基本理论 | 第43-48页 |
| ·人工神经网络基本模型 | 第43-46页 |
| ·人工神经网络结构 | 第46-47页 |
| ·人工神经网络的典型模型 | 第47-48页 |
| ·BP 神经网络 | 第48-58页 |
| ·BP 模型与网络结构 | 第48页 |
| ·BP 网络的标准学习算法 | 第48-52页 |
| ·标准BP 算法的改进 | 第52-54页 |
| ·Levenberg-Marquardt 优化算法 | 第54-58页 |
| ·BP 神经网络的MATLAB 实现 | 第58-59页 |
| ·Matlab 神经网络工具箱简介 | 第58页 |
| ·BP 网络的神经网络工具箱函数 | 第58-59页 |
| ·基于人工神经网络的磨料水射流切割模型的建立 | 第59-63页 |
| ·问题的引入 | 第59-60页 |
| ·磨料水射流切割模型的输入输出参数的确定 | 第60页 |
| ·BP 神经网络拓扑结构的设计 | 第60-63页 |
| ·前混合式磨料水射流加工实验研究 | 第63-68页 |
| ·实验条件及实验方法 | 第63-64页 |
| ·前混合式磨料水射流工艺参数对切割性能的影响 | 第64-68页 |
| ·本章小结 | 第68-69页 |
| 5 基于ANN 的前混合式磨料水射流切割模型的训练 | 第69-78页 |
| ·BP 网络训练流程 | 第69-70页 |
| ·BP 网络训练样本集的设计及输入与输出数据预处理 | 第70-72页 |
| ·BP 网络算法的确定 | 第72-73页 |
| ·BP 网络初始权值的选取 | 第73页 |
| ·BP 网络模型程序设计 | 第73-74页 |
| ·BP 网络训练结果及模型性能检测 | 第74-76页 |
| ·本章小节 | 第76-78页 |
| 结语 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-85页 |
| 攻读学位期间主要的研究成果 | 第85页 |
