| 1 绪论 | 第1-16页 |
| ·数控技术与数控机床 | 第9-10页 |
| ·数控技术的发展趋势 | 第10-12页 |
| ·人工智能技术 | 第12页 |
| ·切削参数重要性和参数确定复杂性 | 第12-13页 |
| ·切削参数重要性 | 第12-13页 |
| ·参数确定复杂性 | 第13页 |
| ·课题任务及研究意义 | 第13-16页 |
| ·课题来源 | 第13页 |
| ·课题主要任务 | 第13-14页 |
| ·课题研究意义 | 第14-16页 |
| 2 系统总体设计 | 第16-26页 |
| ·系统功能要求和解决方案 | 第16-17页 |
| ·系统功能要求 | 第16页 |
| ·系统解决方案 | 第16-17页 |
| ·IDEF建模方法的系统功能设计 | 第17-22页 |
| ·系统功能模型A-0图 | 第18-19页 |
| ·系统功能模型A0图 | 第19-20页 |
| ·系统维护模块功能模型A1图 | 第20页 |
| ·切削参数工程数据库模块功能模型A2图 | 第20-21页 |
| ·材料切削性能模糊综合评判模块功能模型A3图 | 第21页 |
| ·经验参数选择功能模型A4图 | 第21页 |
| ·最优化参数选择功能模型A5图 | 第21-22页 |
| ·人工神经网络参数选择功能模型A6图 | 第22页 |
| ·系统结构框图 | 第22-23页 |
| ·系统开发环境和编程语言 | 第23-26页 |
| 3 切削参数工程数据库设计 | 第26-38页 |
| ·数据库概述 | 第26-27页 |
| ·切削参数工程数据库设计 | 第27-35页 |
| ·需求分析 | 第28页 |
| ·概念设计 | 第28-30页 |
| ·逻辑设计 | 第30-33页 |
| ·物理设计 | 第33-35页 |
| ·切削参数插值运算 | 第35-38页 |
| 4 材料切削性能的模糊综合评判及聚类分析 | 第38-51页 |
| ·模糊数学概述 | 第38页 |
| ·材料切削性能的模糊综合评判 | 第38-44页 |
| ·评判对象的特性指标 | 第39-40页 |
| ·模糊隶属函数 | 第40-42页 |
| ·材料切削性能模糊综合评判 | 第42-43页 |
| ·实例计算 | 第43-44页 |
| ·基于模糊聚类分析的相似材料聚类 | 第44-46页 |
| ·模糊聚类分析 | 第44-46页 |
| ·实例计算 | 第46页 |
| ·程序运行界面 | 第46-47页 |
| ·程序设计 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 5 切削参数的优化方法 | 第51-65页 |
| ·最优化方法概述 | 第51页 |
| ·切削参数最优化方法实现 | 第51-61页 |
| ·优化设计变量 | 第52页 |
| ·优化目标函数 | 第52-56页 |
| ·以最高生产率为目标函数 | 第52-53页 |
| ·以最低成本标准为目标函数 | 第53-54页 |
| ·以最大利润率标准为目标函数 | 第54-55页 |
| ·多目标优化 | 第55-56页 |
| ·优化约束条件 | 第56-57页 |
| ·最优化数学模型 | 第57页 |
| ·最优化方法 | 第57-61页 |
| ·程序运行界面 | 第61页 |
| ·程序设计 | 第61-65页 |
| 6 基于人工神经网络的切削参数智能选择 | 第65-86页 |
| ·人工神经网络理论概述 | 第65-67页 |
| ·人工神经网络 | 第67-72页 |
| ·人工神经元模型 | 第67-69页 |
| ·人工神经网络拓扑结构 | 第69-71页 |
| ·单级网 | 第69-70页 |
| ·多级网 | 第70-71页 |
| ·循环网 | 第71页 |
| ·人工神经网络学习方法 | 第71-72页 |
| ·切削参数人工神经网络模型建立及系统实现 | 第72-78页 |
| ·误差反传算法(Back propagation) | 第73-75页 |
| ·切削参数神经网络选择系统实现 | 第75-78页 |
| ·程序运行界面 | 第78页 |
| ·程序设计 | 第78-82页 |
| ·BP神经网络的能力讨论和实施中考虑的问题: | 第82-86页 |
| ·BP神经网络的能力讨论 | 第82-83页 |
| ·BP神经网络实施中考虑的问题 | 第83-86页 |
| 7 结论 | 第86-88页 |
| ·总结 | 第86-87页 |
| ·展望 | 第87-88页 |
| 参考文献 | 第88-91页 |
| 作者攻读硕士学位期间发表的论文 | 第91-92页 |
| 声明 | 第92-93页 |
| 致谢 | 第93页 |