基于网络的高速铣削工艺专家系统研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-18页 |
| ·课题研究背景与意义 | 第12-13页 |
| ·高速切削技术简介 | 第13-14页 |
| ·人工智能及其在切削工艺方面的应用与分析 | 第14-16页 |
| ·人工智能技术的分类 | 第14-15页 |
| ·人工智能在切削工艺方面的应用与分析 | 第15-16页 |
| ·课题研究内容 | 第16-18页 |
| 第二章 高速铣削工艺专家系统的总体设计 | 第18-25页 |
| ·系统需求分析与系统总体架构 | 第18-19页 |
| ·系统需求分析 | 第18页 |
| ·系统总体架构 | 第18-19页 |
| ·系统体系结构与开发工具 | 第19-21页 |
| ·系统体系结构 | 第19-20页 |
| ·开发工具的选择 | 第20-21页 |
| ·系统功能子模块 | 第21-24页 |
| ·规则推理模块 | 第21-22页 |
| ·切削参数优化模块 | 第22-23页 |
| ·实例推理模块 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 规则推理模块的设计与实现 | 第25-32页 |
| ·规则推理系统 | 第25-26页 |
| ·规则推理系统的组成和推理过程 | 第25页 |
| ·CLIPS规则的格式 | 第25-26页 |
| ·规则推理模块的建立 | 第26-31页 |
| ·规则词典的建立 | 第26-28页 |
| ·规则库的建立及规则推理 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 切削参数优化模块的设计与实现 | 第32-54页 |
| ·基本信息库的建立 | 第32-33页 |
| ·基于经验公式的切削数学模型 | 第33-36页 |
| ·基于人工神经网络的切削数学模型 | 第36-46页 |
| ·神经网络简介 | 第36-40页 |
| ·基于BP神经网络的切削数学模型 | 第40-44页 |
| ·基于径向基神经网络的切削数学模型 | 第44-45页 |
| ·两种神经网络建模能力的比较 | 第45-46页 |
| ·基于混合遗传算法的切削参数优化 | 第46-53页 |
| ·遗传算法及其改进 | 第46-49页 |
| ·优化目标模型的建立 | 第49-51页 |
| ·基于混合遗传算法的切削优化结果验证 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于实例的推理模块的设计与实现 | 第54-63页 |
| ·高速铣削加工的实例表示 | 第54-55页 |
| ·材料切削加工性的模糊模式识别 | 第55-59页 |
| ·模糊模式识别 | 第55-56页 |
| ·材料切削加工性的模糊模式识别 | 第56-59页 |
| ·实例相似度 | 第59-61页 |
| ·材料的相似度 | 第60-61页 |
| ·其它局部相似度 | 第61页 |
| ·实例推理举例 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67-68页 |
| 在学期间的研究成果及发表的学术论文 | 第68-69页 |
| 附录 系统测试报告 | 第69-86页 |
