| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外对微米木纤维的研究与应用 | 第10-13页 |
| 1.2.1 国外的研究与应用 | 第10-11页 |
| 1.2.2 国内的研究与应用 | 第11-12页 |
| 1.2.3 存在的问题 | 第12-13页 |
| 1.3 智能控制技术 | 第13-17页 |
| 1.3.1 智能控制的基本概念 | 第13-14页 |
| 1.3.2 智能控制的主要类型 | 第14-16页 |
| 1.3.3 智能控制的发展趋势 | 第16-17页 |
| 1.4 本文研究的内容和组织结构 | 第17-18页 |
| 1.4.1 本文研究的主要内容 | 第17-18页 |
| 1.4.2 本文的组织结构 | 第18页 |
| 1.5 本章小结 | 第18-19页 |
| 2 切削参数智能选择过程的输入和输出 | 第19-29页 |
| 2.1 微米木纤维切削加工过程分析 | 第19-20页 |
| 2.2 影响木材切削加工的因素分析 | 第20-27页 |
| 2.2.1 加工对象对木材切削的影响 | 第21-23页 |
| 2.2.2 刀具对木材切削的影响 | 第23-24页 |
| 2.2.3 机床对木材切削的影响 | 第24-25页 |
| 2.2.4 切削运动对木材切削的影响 | 第25-27页 |
| 2.3 切削参数智能选择过程的输入和输出 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 基于模糊理论的切削参数选择 | 第29-45页 |
| 3.1 模糊数学及模糊综合评价 | 第29-31页 |
| 3.1.1 模糊数学 | 第29-30页 |
| 3.1.2 模糊综合评价 | 第30-31页 |
| 3.2 木材切削性能的分级 | 第31页 |
| 3.2.1 影响木材切削性能的主要物理性质 | 第31页 |
| 3.2.2 木材切削性能等级划分 | 第31页 |
| 3.3 木材切削性能的模糊综合评价 | 第31-39页 |
| 3.3.1 隶属函数与隶属度 | 第32-37页 |
| 3.3.2 确定评价因素权重的方法 | 第37-39页 |
| 3.3.3 模糊综合评价实例 | 第39页 |
| 3.4 基于模糊聚类分析的切削参数选择方法 | 第39-43页 |
| 3.4.1 基于模糊关系的聚类分析 | 第40-42页 |
| 3.4.2 模糊聚类实例 | 第42-43页 |
| 3.5 运行界面 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 4 基于人工神经网络的切削参数选择 | 第45-56页 |
| 4.1 人工神经网络与粒子群优化算法 | 第45-50页 |
| 4.1.1 人工神经网络简介 | 第45-47页 |
| 4.1.2 人工神经网络模型 | 第47-49页 |
| 4.1.3 粒子群优化算法简介 | 第49-50页 |
| 4.2 基于PSO-BP神经网络的切削参数选择方法 | 第50-55页 |
| 4.2.1 PSO-BP神经网络算法过程及网络设计 | 第50-52页 |
| 4.2.2 PSO-BP切削参数智能选择实验 | 第52-55页 |
| 4.3 运行界面 | 第55页 |
| 4.4 本章小结 | 第55-56页 |
| 5 加工实验结果检验与分析 | 第56-65页 |
| 5.1 微米木纤维直经测量方法 | 第56-61页 |
| 5.1.1 基于梯度的多阈值图像边缘检测方法 | 第56-61页 |
| 5.1.2 交互式直径测量方法 | 第61页 |
| 5.2 运行界面 | 第61-62页 |
| 5.3 实验所用数据和实验结果 | 第62-64页 |
| 5.3.1 实验所用数据 | 第62-63页 |
| 5.3.2 实验结果与分析 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读学位期间发表的学术论文 | 第72-73页 |
| 致谢 | 第73-74页 |