| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·课题提出的背景和意义 | 第7页 |
| ·数控机床热误差补偿技术理论 | 第7-11页 |
| ·误差预防法 | 第7页 |
| ·误差补偿技术理论 | 第7-8页 |
| ·热误差补偿技术的两种方法 | 第8页 |
| ·实现热误差补偿的两种技术 | 第8-10页 |
| ·数控机床热误差产生的原因 | 第10-11页 |
| ·数控机床热误差的研究现状 | 第11-13页 |
| ·数控机床热误差补偿技术国内研究现状 | 第11-12页 |
| ·国外数控机床热误差补偿技术的历史及研究现状 | 第12-13页 |
| ·本论文研究的主要内容 | 第13-15页 |
| 第二章 神经网络在数控机床热误差的应用 | 第15-33页 |
| ·神经网络的基本理论 | 第16-19页 |
| ·人工神经网络简述 | 第16页 |
| ·人工神经网络的基本组成结构 | 第16-17页 |
| ·人工神经元模型 | 第16-17页 |
| ·人工神经元变换的三种类型 | 第17页 |
| ·人工神经网络的基本特征 | 第17-19页 |
| ·BP（BACK-PROPAGATION）神经网络的基本原理 | 第19-25页 |
| ·BP 神经网络的简述 | 第19页 |
| ·BP 神经网络的数学模型 | 第19-20页 |
| ·BP 神经网络的推理过程 | 第20-25页 |
| ·粒子群优化算法 | 第25-27页 |
| ·粒子群算法的介绍 | 第25页 |
| ·粒子群算法的原理 | 第25-26页 |
| ·适应度函数 | 第26-27页 |
| ·PSOBP 神经网络混合算法及实现 | 第27-28页 |
| ·MATLAB 软件介绍 | 第28-29页 |
| ·结果仿真 | 第29-32页 |
| 本章小结 | 第32-33页 |
| 第三章 模糊神经网络预测模型建模 | 第33-41页 |
| ·模糊理论的基本概念 | 第33-35页 |
| ·模糊系统与神经网络的结合 | 第35-38页 |
| ·模糊神经网络的仿真实验 | 第38-40页 |
| ·数控机床误差补偿系统的构成原理 | 第40页 |
| 本章小结 | 第40-41页 |
| 第四章 数控机床热误差补偿系统之温度采集系统的开发 | 第41-55页 |
| ·软件开发平台的介绍 | 第41-43页 |
| ·Proteus 软件系统的介绍 | 第41页 |
| ·Keil 软件的介绍 | 第41-42页 |
| ·Proteus 与Keil 的联合仿真连接设置 | 第42-43页 |
| ·系统硬件电路的设计 | 第43-51页 |
| ·AT89C51 单片机介绍 | 第43-45页 |
| ·温度传感器DS18B20 | 第45-49页 |
| ·系统的复位和晶振电路设计 | 第49-50页 |
| ·系统的串行通讯接口的设计 | 第50页 |
| ·液晶显示模块的设计 | 第50-51页 |
| ·系统总体设计的关键技术 | 第51页 |
| ·温度采集系统的软件整体设计思想及部分程序 | 第51-53页 |
| ·调试结果 | 第53页 |
| 本章小结 | 第53-55页 |
| 第五章 结论与展望 | 第55-57页 |
| ·结论 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间发表的学术论文 | 第63-65页 |
| 附录Ⅰ | 第65-69页 |
| 附录Ⅱ | 第69-72页 |