| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题研究背景 | 第14-15页 |
| 1.2 国内外研究现状及分析 | 第15-18页 |
| 1.2.1 高速电主轴静动态性能的研究现状 | 第15-17页 |
| 1.2.2 高速电主轴热特性及机床热误差的研究现状 | 第17-18页 |
| 1.3 本文研究内容 | 第18-20页 |
| 第二章 车削中心电主轴热态特性分析 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 高速电主轴结构 | 第20-21页 |
| 2.3 车削中心电主轴的热源分析 | 第21-27页 |
| 2.3.1 电机发热分析与计算 | 第22-25页 |
| 2.3.2 轴承发热分析与计算 | 第25-27页 |
| 2.4 车削中心电主轴传热机制 | 第27-33页 |
| 2.4.1 传热基础理论 | 第27-30页 |
| 2.4.2 电机定子与冷却系统的换热 | 第30-31页 |
| 2.4.3 电动机定子与转子之间气隙的自然对流换热 | 第31-32页 |
| 2.4.4 主轴外表面与周围空气的换热 | 第32-33页 |
| 2.4.5 电主轴端部与周围空气的换热 | 第33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 高速电主轴热态特性有限元分析 | 第34-47页 |
| 3.1 引言 | 第34页 |
| 3.2 有限元仿真模型 | 第34-41页 |
| 3.2.1 有限元模型处理 | 第35页 |
| 3.2.2 模型边界 | 第35页 |
| 3.2.3 轴承接触设计 | 第35-36页 |
| 3.2.4 高速轴承拟动处理 | 第36-38页 |
| 3.2.5 对流换热设置 | 第38-39页 |
| 3.2.6 模型辐射设置 | 第39-41页 |
| 3.3 高速电主轴温度场特性分析 | 第41-45页 |
| 3.3.1 电主轴散热和温度场特性 | 第41-42页 |
| 3.3.2 电主轴主要部件的温度场特性 | 第42-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 电主轴热误差及其BP神经网络建模 | 第47-67页 |
| 4.1 电主轴热误差实验方法 | 第47-51页 |
| 4.1.1 温度测点的布置 | 第47-48页 |
| 4.1.2 热误差传感器测点的选取 | 第48-50页 |
| 4.1.3 温度与热误差检测硬件系统 | 第50-51页 |
| 4.1.4 热误差检测系统 | 第51页 |
| 4.2 电主轴热误差分析 | 第51-52页 |
| 4.3 热误差数据分析 | 第52-54页 |
| 4.4 神经网络基础知识 | 第54-57页 |
| 4.4.1 人工神经网络模型 | 第54-56页 |
| 4.4.2 神经网络的基本结构 | 第56-57页 |
| 4.4.3 神经网络的学习 | 第57页 |
| 4.5 BP神经网络 | 第57-59页 |
| 4.5.1 BP网络结构模型 | 第58页 |
| 4.5.2 BP网络训练算法 | 第58-59页 |
| 4.6 基于不同的温度变量的BP网络建模 | 第59-65页 |
| 4.6.1 基于不同的温度变量的BP神经网络建模预测效果的比较 | 第60-65页 |
| 4.6.2 BP神经网络建模分析 | 第65页 |
| 4.7 本章小结 | 第65-67页 |
| 第五章 基于遗传算法优化的BP网络热误差建模 | 第67-78页 |
| 5.1 遗传优化算法分析 | 第67-69页 |
| 5.1.1 遗传算法基本理论 | 第67-69页 |
| 5.2 基于遗传算法(GA)和BP神经网络的热误差优化建模 | 第69-72页 |
| 5.2.1 遗传算法优化的可行性和必要性 | 第69-70页 |
| 5.2.2 GA与BP融合建模的理论基础 | 第70-72页 |
| 5.3 基于不同温度变量的GA优化BP热误差建模优化 | 第72-77页 |
| 5.4 本章小结 | 第77-78页 |
| 总结与展望 | 第78-80页 |
| 参考文献 | 第80-85页 |
| 攻读学位期间发表的论文 | 第85-87页 |
| 致谢 | 第87页 |
