| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 SiCp/Al材料切削加工研究现状 | 第11-13页 |
| 1.2.2 SiCp/Al材料切削加工表面质量研究现状 | 第13-15页 |
| 1.3 主要内容 | 第15-16页 |
| 第2章 SiCp/Al复合材料加工表面缺陷研究 | 第16-22页 |
| 2.1 加工表面形成机制 | 第16-17页 |
| 2.2 加工表面缺陷类型 | 第17-19页 |
| 2.3 影响加工表面质量的因素 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第3章 SiCp/Al复合材料铣削工艺分析 | 第22-37页 |
| 3.1 铣削加工实验和田口算法 | 第22-24页 |
| 3.1.1 铣削实验 | 第22-23页 |
| 3.1.2 田口算法介绍 | 第23-24页 |
| 3.2 基于田口算法的铣削力分析 | 第24-36页 |
| 3.2.1 铣削力分析 | 第24-29页 |
| 3.2.2 切削参数对表面粗糙度的影响 | 第29-34页 |
| 3.2.3 材料去除率 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 SiCp/Al复合材料表面粗糙度预测 | 第37-52页 |
| 4.1 多元回归方程 | 第37-40页 |
| 4.1.1 多元回归方程的建立 | 第37-39页 |
| 4.1.2 多元回归方程误差分析 | 第39-40页 |
| 4.2 指数经验公式 | 第40-43页 |
| 4.2.1 指数经验公式的建立 | 第40-42页 |
| 4.2.2 指数经验公式的误差分析 | 第42-43页 |
| 4.3 GRNN神经网络 | 第43-51页 |
| 4.3.1 GRNN神经网络结构 | 第43-44页 |
| 4.3.2 GRNN神经网络理论基础 | 第44-46页 |
| 4.3.3 GRNN神经网络建立 | 第46-48页 |
| 4.3.4 GRNN神经网络仿真结果分析 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 附录 | 第60-63页 |