数控慢走丝线切割机床热误差补偿方法的研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9-10页 |
| ·数控慢走丝线切割机床的热误差分析及解决措施 | 第10-12页 |
| ·数控慢走丝线切割机床热误差产生的原因 | 第10-11页 |
| ·热变形误差基本解决措施 | 第11-12页 |
| ·国内外研究状况 | 第12-16页 |
| ·课题来源和主要研究内容 | 第16-17页 |
| ·课题来源 | 第16页 |
| ·本论文主要研究内容 | 第16-17页 |
| 第二章 BP 人工神经网络与遗传算法理论 | 第17-31页 |
| ·前言 | 第17页 |
| ·BP 人工神经网络简介 | 第17-22页 |
| ·人工神经网络 | 第17-18页 |
| ·BP 人工神经网络原理 | 第18-19页 |
| ·BP 神经网络的算法 | 第19-21页 |
| ·BP 网络的特点 | 第21-22页 |
| ·遗传算法简介 | 第22-30页 |
| ·模式定理 | 第22-23页 |
| ·遗传算法中的基本概念 | 第23页 |
| ·遗传算法实现 | 第23-30页 |
| ·遗传算法的特点 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 温度测点优化和热误差模型的构建 | 第31-41页 |
| ·机床温度测点优化选择 | 第31-34页 |
| ·温度测点优化的意义 | 第31页 |
| ·温度测点初选和布置 | 第31-33页 |
| ·温度测点优化 | 第33-34页 |
| ·GA 优化的BP 神经网络机床热误差模型 | 第34-39页 |
| ·模型构建流程 | 第35页 |
| ·BP 神经网络部分 | 第35-36页 |
| ·遗传算法部分 | 第36-38页 |
| ·预测分析 | 第38页 |
| ·编程实现 | 第38-39页 |
| ·热误差补偿对比模型 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 实验研究 | 第41-58页 |
| ·实验目的和内容 | 第41-42页 |
| ·实验设备 | 第42-46页 |
| ·数控慢走丝线切割机床 | 第42页 |
| ·温度和位移采集系统 | 第42-45页 |
| ·测试用的夹具 | 第45-46页 |
| ·实验方案 | 第46-48页 |
| ·数据采集 | 第48-51页 |
| ·数据采集测试系统界面 | 第48-49页 |
| ·实验数据 | 第49-51页 |
| ·数控慢走丝线切割机床温度测点优化选择 | 第51-53页 |
| ·基于GA-BP 神经网络的热误差补偿模型分析 | 第53-57页 |
| ·确立模型结构 | 第53页 |
| ·训练预测模型 | 第53-54页 |
| ·预测能力分析 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 总结展望 | 第58-60页 |
| ·结论 | 第58页 |
| ·问题与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 附录 | 第63-66页 |
| 攻读硕士学位期间完成的学术论文 | 第66-67页 |
| 致谢 | 第67-68页 |
