| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题背景目的及意义 | 第9-10页 |
| 1.3 相关领域国内外研究现状 | 第10-14页 |
| 1.3.1 温度测量点优化策略的研究现状 | 第10-12页 |
| 1.3.2 数学建模技术在热变形预测方面的应用 | 第12-13页 |
| 1.3.3 机床主要部件热误差分析的研究现状 | 第13-14页 |
| 1.4 本文研究内容与结构 | 第14-16页 |
| 第2章 重型机床立柱温度与热变形的测量 | 第16-24页 |
| 2.1 机床及立柱结构特点与热源分析 | 第16-18页 |
| 2.1.1 机床结构特点及热源分析 | 第16-17页 |
| 2.1.2 机床热误差产生原因分析 | 第17-18页 |
| 2.2 机床立柱的温度场及机床热变形检测 | 第18-21页 |
| 2.2.1 针对立柱的温度传感器的布置 | 第18-20页 |
| 2.2.2 机床热变形检测 | 第20-21页 |
| 2.3 实验数据分析 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 重型机床立柱温度测量点优化策略 | 第24-36页 |
| 3.1 温度测量点分组 | 第24-29页 |
| 3.1.1 模糊聚类分组方法 | 第24-25页 |
| 3.1.2 实验数据的分组处理 | 第25-27页 |
| 3.1.3 主因素策略初步优化处理 | 第27-29页 |
| 3.2 基于偏相关分析的关键温度点筛选策略 | 第29-30页 |
| 3.3 基于最大灵敏度的关键温度点筛选策略 | 第30-32页 |
| 3.4 基于灰关联分析的关键温度点筛选策略 | 第32-34页 |
| 3.5 策略对比及综合策略的关键温度点选取 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 重型机床立柱温度变化与热变形建模 | 第36-55页 |
| 4.1 基于多元线性回归模型的温度变化与热变形关系分析 | 第36-43页 |
| 4.1.1 多元线性回归模型 | 第36-37页 |
| 4.1.2 线性回归模型的检验 | 第37-40页 |
| 4.1.3 基于线性回归的温度变化与热变形关系建模分析 | 第40-43页 |
| 4.2 基于BP神经网络模型的温度变化与热变形关系分析 | 第43-48页 |
| 4.2.1 BP神经网络 | 第43-45页 |
| 4.2.2 基于BP神经网络的温度变化与热变形关系建模分析 | 第45-48页 |
| 4.3 基于GA-BP神经网络模型的温度变化与热变形关系分析 | 第48-53页 |
| 4.3.1 基于遗传算法优化的BP神经网络 | 第48-51页 |
| 4.3.2 基于GA-BP神经网络的温度变化与热变形关系建模分析 | 第51-53页 |
| 4.4 各测点优化策略及热变形模型综合对比分析 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 基于光纤光栅应变传感的柱形结构形变实时检测模型 | 第55-64页 |
| 5.1 二维条件下柱形构件应变量与形变关系 | 第55-56页 |
| 5.2 柱形结构形变实时监测平台的实现 | 第56-62页 |
| 5.2.1 系统整体结构和功能 | 第56-57页 |
| 5.2.2 数据通信模块 | 第57-58页 |
| 5.2.3 数据处理模块 | 第58-62页 |
| 5.3 在线监测系统测试 | 第62-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 全文工作总结 | 第64-65页 |
| 6.2 下一步的工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士期间参与的项目 | 第70页 |
