首页--工业技术论文--金属学与金属工艺论文--焊接、金属切割及金属粘接论文--金属切割及设备论文

基于人工神经网络的磨料水射流切割模型研究

摘要第1-5页
Abstract第5-10页
1 绪论第10-24页
   ·磨料水射流切割技术概述第10-16页
     ·磨料水射流切割的特点第11-13页
     ·磨料水射流切割技术的应用第13-15页
     ·磨料水射流切割的关键技术第15-16页
   ·磨料水射流切割技术国内外研究现状第16-21页
     ·磨料水射流切割性能研究现状第17-18页
     ·磨料水射流切割模型研究现状第18-21页
   ·本文研究的目的和意义第21-23页
   ·本文的主要研究内容第23-24页
2 磨料水射流切割技术的理论研究第24-36页
   ·射流基本结构及原理第24页
   ·水射流的主要特性第24-26页
     ·几何特性第25页
     ·动力特性第25-26页
   ·磨料水射流的主要特性第26-27页
   ·磨料水射流的工作原理第27-29页
     ·后混合式磨料水射流第28页
     ·前混合式磨料水射流第28-29页
   ·磨料水射流切割系统组成第29-31页
     ·磨料水射流切割系统硬件第29-31页
     ·磨料水射流切割系统软件第31页
   ·磨料水射流的切割机理第31-33页
     ·磨料水射流的切割机理分析第31-32页
     ·磨料水射流切割过程模型第32-33页
   ·影响磨料水射流切割性能的因素第33-35页
     ·磨料水射流切割工艺参数第33页
     ·磨料水射流主要切割工艺参数对切割性能的影响第33-35页
   ·本章小结第35-36页
3 基于ANN 的磨料水射流切割模型研究第36-85页
   ·神经网络技术概述第36-39页
     ·人工神经网络的发展与研究现状第36-37页
     ·人工神经网络技术的特点第37-38页
     ·人工神经网络技术的应用第38-39页
   ·人工神经网络基本理论第39-45页
     ·人工神经网络的模型第39-42页
     ·人工神经网络的网络结构第42-43页
     ·人工神经网络的学习方法第43-44页
     ·人工神经网络的学习规则第44-45页
   ·BP 神经网络理论第45-58页
     ·BP 网络的模型与结构第45-46页
     ·BP 网络的标准学习算法第46-51页
     ·BP 网络学习算法的改进第51-53页
     ·Levenberg-Marquardt 优化算法第53-58页
   ·BP 神经网络的Matlab 实现第58-61页
     ·神经网络工具箱简介第58页
     ·BP 网络的Matlab 实现第58-61页
   ·基于ANN 的磨料水射流切割模型的建立第61-65页
     ·问题提出第61页
     ·模型输入输出参数的确定第61-62页
     ·网络拓扑结构的设计第62-65页
   ·磨料水射流切割加工实验研究第65-76页
     ·磨料水射流切割实验的基本条件第65-68页
     ·磨料水射流切割实验的设计第68-73页
     ·磨料水射流切割实验的实施第73-75页
     ·磨料水射流切割实验的结果第75-76页
   ·基于ANN 的磨料水射流切割模型的训练第76-83页
     ·BP 网络训练流程第76-77页
     ·训练样本数据的获取第77-79页
     ·训练样本数据的标准化处理第79页
     ·网络训练算法的确定第79-80页
     ·初始权值的选择第80页
     ·网络模型程序设计第80-81页
     ·网络训练结果第81-83页
   ·基于ANN 的磨料水射流切割模型的性能检测第83-84页
   ·本章小结第84-85页
4 基于ANN 的磨料水射流切割速度预测单元开发第85-102页
   ·开发思路第85页
   ·预测单元的组成及工作流程第85-95页
     ·预测单元的功能及组成第85-86页
     ·预测单元工作流程第86-89页
     ·预测单元操作实例第89-95页
   ·预测单元系统的实现及关键技术第95-101页
     ·预测单元操作界面的设计第95-96页
     ·Matlab 接口技术第96页
     ·Matlab 与Delphi 的接口实现第96-101页
   ·本章小结第101-102页
5 基于ANN 的磨料水射流切割模型验证实验研究第102-106页
   ·实验目的第102页
   ·实验方案第102-104页
   ·实验结果第104页
   ·实验结果分析第104-105页
   ·本章小结第105-106页
结论第106-108页
参考文献第108-111页
攻读硕士学位期间学术论文及科研情况第111-112页
致谢第112-113页

论文共113页,点击 下载论文
上一篇:基于全景视觉的机器人目标识别及定位研究
下一篇:基于MAS的多机器人系统及关键技术研究