数控铣床主轴热误差建模及实验研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题的研究背景 | 第9页 |
| ·课题的研究意义 | 第9-10页 |
| ·热误差建模技术的研究现状 | 第10-12页 |
| ·论文的主要研究内容及篇章结构 | 第12-15页 |
| ·研究内容 | 第12-13页 |
| ·论文结构 | 第13-15页 |
| 第二章 数控铣床主轴热误差检测实验 | 第15-24页 |
| ·实验设备 | 第15-18页 |
| ·KXK-713 型数控立式铣床 | 第15-16页 |
| ·SMT 多通道温度测试仪 | 第16-17页 |
| ·CCD 激光位移传感器 | 第17-18页 |
| ·数控铣床热源分析与热变形机理研究 | 第18-20页 |
| ·数控铣床的热源分析 | 第18-19页 |
| ·数控铣床的热变形机理 | 第19-20页 |
| ·实验设计 | 第20-22页 |
| ·温度及位移传感器的布置 | 第20-21页 |
| ·实验方案 | 第21-22页 |
| ·数控铣床主轴热误差检测的实验结果 | 第22-24页 |
| 第三章 数控铣床主轴测温点优化 | 第24-32页 |
| ·热关键点辨识方法的选择 | 第24-25页 |
| ·灰色关联分析 | 第25-28页 |
| ·灰色系统及灰色关联分析概论 | 第25页 |
| ·灰色关联因素 | 第25-26页 |
| ·灰色关联算子集 | 第26-27页 |
| ·灰色关联分析模型 | 第27-28页 |
| ·基于灰关联分析模型的测温点优化 | 第28-32页 |
| ·测温点优化方案 | 第28-29页 |
| ·优化测温点 | 第29-32页 |
| 第四章 基于神经网络的数控铣床主轴热误差模型 | 第32-59页 |
| ·神经网络的基本理论 | 第32-33页 |
| ·MATLAB 神经网络工具箱 | 第33-34页 |
| ·BP 神经网络 | 第34-41页 |
| ·BP 神经元及 BP 网络模型 | 第34-35页 |
| ·BP 神经网络的学习 | 第35-40页 |
| ·BP 神经网络的设计方法 | 第40-41页 |
| ·RBF 神经网络 | 第41-45页 |
| ·RBF 神经元及 RBF 网络模型 | 第41-43页 |
| ·RBF 神经网络的学习 | 第43-44页 |
| ·RBF 神经网络的设计方法 | 第44-45页 |
| ·神经网络模型的应用分析 | 第45-59页 |
| ·建模数据采集 | 第45-49页 |
| ·BP 网络模型的编程实现 | 第49-54页 |
| ·RBF 网络模型的编程实现 | 第54-57页 |
| ·BP 和 RBF 神经网络模型的分析与检验 | 第57-59页 |
| 第五章 基于灰色系统的数控铣床主轴热误差模型 | 第59-66页 |
| ·灰色系统预测模型 GM(1,N) | 第59-60页 |
| ·灰色系统建模软件 | 第60-61页 |
| ·软件的操作界面 | 第60-61页 |
| ·软件的功能特点 | 第61页 |
| ·灰色系统模型的应用分析 | 第61-66页 |
| ·灰色系统建模 | 第61-63页 |
| ·灰色系统模型的预测结果 | 第63-64页 |
| ·灰色系统模型的分析与评价 | 第64-66页 |
| 第六章 基于灰色神经网络的数控铣床主轴热误差模型 | 第66-76页 |
| ·组合预测概述 | 第66页 |
| ·灰色系统和神经网络的组合预测理论 | 第66-67页 |
| ·灰色神经网络模型 | 第67-69页 |
| ·灰色神经网络的建模过程 | 第67-68页 |
| ·灰色神经网络的学习过程 | 第68-69页 |
| ·灰色神经网络模型的应用分析 | 第69-74页 |
| ·灰色神经网络模型的编程实现 | 第69-72页 |
| ·灰色神经网络的预测结果 | 第72-74页 |
| ·热误差建模方法总结与分析比较 | 第74-76页 |
| 第七章 总结与展望 | 第76-78页 |
| ·总结 | 第76-77页 |
| ·展望 | 第77-78页 |
| 参考文献 | 第78-80页 |
| 在学期间发表的学术论文与研究成果 | 第80-81页 |
| 致谢 | 第81页 |
