| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-22页 |
| 1.1 花岗岩铣削加工概述 | 第13-15页 |
| 1.2 影响花岗岩铣削加工中刀具效能的因素 | 第15页 |
| 1.3 课题研究的背景和意义 | 第15-16页 |
| 1.4 国内外相关领域研究历史和发展现状 | 第16-20页 |
| 1.4.1 金刚石刀具加工硬脆材料切削力的研究历史和现状 | 第16-18页 |
| 1.4.2 人工神经网络发展及研究现状 | 第18-20页 |
| 1.5 本课题研究的主要内容 | 第20-22页 |
| 第2章 花岗岩铣削加工机理及压痕断裂仿真 | 第22-36页 |
| 2.1 花岗岩铣削加工过程 | 第22-23页 |
| 2.2 花岗岩铣削加工的压痕断裂机理 | 第23-27页 |
| 2.2.1 接触应力场 | 第23-26页 |
| 2.2.2 裂纹形成过程 | 第26-27页 |
| 2.3 压痕仿真分析 | 第27-33页 |
| 2.3.1 试件模型 | 第27-29页 |
| 2.3.2 网格的划分 | 第29页 |
| 2.3.3 加载设置 | 第29-30页 |
| 2.3.4 结果分析 | 第30-33页 |
| 2.4 压痕实验及结果分析 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 花岗岩铣削加工铣削力理论分析 | 第36-49页 |
| 3.1 花岗岩铣削加工模型 | 第36-38页 |
| 3.2 花岗岩铣削加工几何学分析 | 第38-42页 |
| 3.2.1 接触弧长 | 第38-40页 |
| 3.2.2 平均铣削厚度 | 第40-41页 |
| 3.2.3 当量铣削厚度 | 第41-42页 |
| 3.3 单颗粒金刚石切削花岗岩受力分析 | 第42-44页 |
| 3.3.1 铣刀有效金刚石磨粒数 | 第42-43页 |
| 3.3.2 单颗粒金刚石的受力 | 第43-44页 |
| 3.4 花岗岩铣削加工刀具受力分析 | 第44-48页 |
| 3.4.1 铣削力理论分析 | 第44-46页 |
| 3.4.2 典型加工刀具受力分析 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 花岗岩铣削力检测系统研究 | 第49-61页 |
| 4.1 铣削力检测实验硬件系统设计 | 第49-55页 |
| 4.1.1 加工机床 | 第49-50页 |
| 4.1.2 传感器及相关调理电路 | 第50-53页 |
| 4.1.3 数据采集及处理 | 第53-55页 |
| 4.2 铣削力检测实验软件系统设计 | 第55-60页 |
| 4.3 本章小结 | 第60-61页 |
| 第5章 花岗岩铣削加工铣削力检测实验 | 第61-79页 |
| 5.1 实验工况配置 | 第61-62页 |
| 5.2 铣削力单因素验证实验 | 第62-66页 |
| 5.2.1 方案设计 | 第62-63页 |
| 5.2.2 实验结果及讨论 | 第63-66页 |
| 5.3 铣削力正交实验 | 第66-73页 |
| 5.3.1 方案设计 | 第67-68页 |
| 5.3.2 极差分析 | 第68-70页 |
| 5.3.3 方差分析 | 第70-73页 |
| 5.4 实验结果与理论分析的对比 | 第73-74页 |
| 5.5 加工路径对铣削力的影响实验 | 第74-76页 |
| 5.6 刀具断裂临界铣削力实验 | 第76-77页 |
| 5.6.1 刀具断裂临界铣削力影响因素 | 第76-77页 |
| 5.6.2 刀具断裂临界铣削力实验及结果 | 第77页 |
| 5.7 本章小结 | 第77-79页 |
| 第6章 基于神经网络花岗岩加工铣削力预测 | 第79-111页 |
| 6.1 人工神经网络模型概述 | 第79-87页 |
| 6.1.1 人工神经元模型 | 第79-83页 |
| 6.1.2 人工神经网络结构 | 第83-85页 |
| 6.1.3 人工神经网络的训练 | 第85-87页 |
| 6.2 基于BP神经网络的花岗岩加工铣削力预测 | 第87-101页 |
| 6.2.1 BP网络拓扑结构与训练算法 | 第87-92页 |
| 6.2.2 铣削力预测的BP网络结构设计 | 第92-98页 |
| 6.2.3 BP神经网络模型的MATLAB程序设计 | 第98-99页 |
| 6.2.4 BP神经网络对金刚石铣刀铣削力预测的性能测试 | 第99-101页 |
| 6.3 基于RBF神经网络的花岗岩加工铣削力预测 | 第101-107页 |
| 6.3.1 RBF神经网络的学习方法 | 第101-104页 |
| 6.3.2 铣削力预测RBF神经网络的MATLAB程序设计 | 第104页 |
| 6.3.3 铣削力预测RBF神经网络预测性能测试 | 第104-107页 |
| 6.4 两种模型对铣削力预测的对比分析 | 第107-109页 |
| 6.5 本章小结 | 第109-111页 |
| 第7章 提高花岗岩铣削加工刀具效能的综合方案分析 | 第111-129页 |
| 7.1 加工工艺参数对花岗岩铣削刀具耐磨性影响 | 第111-121页 |
| 7.1.1 花岗岩铣刀加工耐磨性实验条件 | 第111页 |
| 7.1.2 加工参数对磨损量的影响 | 第111-116页 |
| 7.1.3 加工参数对刀具表面形貌的影响 | 第116-121页 |
| 7.2 提高刀具耐磨性方法的初探 | 第121-125页 |
| 7.2.1 等离子热喷涂技术概述 | 第121-122页 |
| 7.2.2 实验方法 | 第122-123页 |
| 7.2.3 实验结果及讨论 | 第123-125页 |
| 7.3 提高花岗岩铣削加工刀具加工效能的方法 | 第125-128页 |
| 7.3.1 提高刀具加工效能的优选步骤 | 第125-127页 |
| 7.3.2 应用实例 | 第127-128页 |
| 7.4 本章小结 | 第128-129页 |
| 第8章 结论与展望 | 第129-132页 |
| 8.1 结论 | 第129-130页 |
| 8.2 创新点 | 第130-131页 |
| 8.3 展望 | 第131-132页 |
| 参考文献 | 第132-140页 |
| 致谢 | 第140-141页 |
| 攻读学位期间发表的论文及获奖情况 | 第141-143页 |
| 作者简介 | 第143页 |
