| 致谢 | 第1-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-13页 |
| 插图清单 | 第13-15页 |
| 插表清单 | 第15-16页 |
| 1 绪论 | 第16-24页 |
| ·易切钢简介 | 第16-19页 |
| ·易切钢的定义 | 第16页 |
| ·易切钢的发展现状 | 第16-19页 |
| ·易切钢分类及其特性 | 第19-20页 |
| ·硫易切钢 | 第19页 |
| ·铅易切钢 | 第19页 |
| ·钙易切钢 | 第19页 |
| ·碲、硒、钛易切钢 | 第19-20页 |
| ·国内外易切钢研究的发展 | 第20-23页 |
| ·国内易切钢的研究发展 | 第20-22页 |
| ·国外易切钢的研究发展 | 第22-23页 |
| ·本论文研究的意义与主要研究内容 | 第23-24页 |
| ·本论文研究意义 | 第23页 |
| ·论文主要研究内容 | 第23-24页 |
| 2 两种低碳高硫易切钢可切削性能对比试验研究 | 第24-35页 |
| ·引言 | 第24页 |
| ·YT15 硬质合金刀具切削易切钢的可切削性能试验 | 第24-28页 |
| ·试验目的 | 第25页 |
| ·试验条件 | 第25-26页 |
| ·试验安排与试验结果 | 第26-28页 |
| ·切削试验结果分析 | 第28-30页 |
| ·两种高硫易切钢的相对可切削加工性对比研究 | 第28-29页 |
| ·泰勒耐用度方程式的建立 | 第29-30页 |
| ·刀具磨损形态和磨损机理分析 | 第30-34页 |
| ·刀具后刀面磨损和边界磨损 | 第30-32页 |
| ·刀具前刀面磨损 | 第32-33页 |
| ·其他磨损形式 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 3 YT15 切削低碳高硫易切钢时切削力的试验研究 | 第35-48页 |
| ·引言 | 第35页 |
| ·YT15 加工低碳高硫易切钢切削力试验设计 | 第35-37页 |
| ·试验目的 | 第35-36页 |
| ·试验设备 | 第36页 |
| ·试验设计 | 第36-37页 |
| ·试验结果及其分析 | 第37-42页 |
| ·单因素试验结果及分析 | 第37-40页 |
| ·正交试验结果及分析 | 第40-42页 |
| ·切削力经验公式的建立 | 第42-47页 |
| ·多元线性回归模型的建立 | 第42-44页 |
| ·切削力模型的显著性检验 | 第44-45页 |
| ·切削力经验方程的验证 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 4 低碳高硫易切钢加工表面粗糙度研究 | 第48-57页 |
| ·引言 | 第48页 |
| ·表面粗糙度概述 | 第48-49页 |
| ·易切钢表面粗糙度的试验研究 | 第49-56页 |
| ·试验设计 | 第49-50页 |
| ·切削速度对表面粗糙度的影响 | 第50-51页 |
| ·进给量对表面粗糙度的影响 | 第51-52页 |
| ·刀尖圆弧半径对表面粗糙度的影响 | 第52-54页 |
| ·正交试验及表面粗糙度经验方程的建立 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 5 基于神经网络的表面粗糙度预测模型的建立 | 第57-66页 |
| ·引言 | 第57页 |
| ·BP 神经网络概述 | 第57-59页 |
| ·BP 神经网络模型 | 第57-58页 |
| ·BP 神经网络训练过程 | 第58-59页 |
| ·神经网络的遗传算法 | 第59-61页 |
| ·遗传算法概述 | 第59-60页 |
| ·神经网络权值的优化 | 第60-61页 |
| ·表面粗糙度预测模型的建立 | 第61-64页 |
| ·网络结构的确定 | 第61页 |
| ·遗传算法优化初始权值和阈值 | 第61-63页 |
| ·BP 神经网络的训练 | 第63-64页 |
| ·易切钢表面粗糙度预测系统的实现 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| ·总结 | 第66-67页 |
| ·展望 | 第67-68页 |
| 参考目录 | 第68-72页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第72-73页 |