摘要 | 第1-6页 |
Abstract | 第6-10页 |
第1章 绪论 | 第10-17页 |
·课题研究的目的及意义 | 第10页 |
·高速切削技术 | 第10-11页 |
·表面粗糙度研究 | 第11-14页 |
·表面粗糙度对产品质量的影响 | 第11-12页 |
·表面粗糙度的评定参数 | 第12页 |
·高速切削的表面粗糙度研究现状 | 第12-14页 |
·切削参数优化 | 第14-15页 |
·本文主要研究内容及技术路线 | 第15-17页 |
·主要内容 | 第15-16页 |
·技术路线 | 第16-17页 |
第2章 高速铣削表面粗糙度的试验研究 | 第17-37页 |
·正交试验设计理论概述 | 第17-19页 |
·正交试验设计的基本定义 | 第17-18页 |
·正交表的选择 | 第18-19页 |
·正交试验设计的基本方法 | 第19页 |
·正交试验方案设计 | 第19-26页 |
·因素的选取及方案表的制定 | 第19-21页 |
·试验记录 | 第21-26页 |
·正交试验极差分析 | 第26-30页 |
·数据处理 | 第26-27页 |
·铣削参数对表面粗糙度的影响 | 第27-29页 |
·极差分析结论 | 第29-30页 |
·正交试验方差分析 | 第30-35页 |
·偏差平方和的分解 | 第30-33页 |
·显著性检验 | 第33页 |
·置信区间 | 第33-35页 |
·方差分析结论 | 第35页 |
·验证试验 | 第35页 |
·本章小结 | 第35-37页 |
第3章 高速铣削表面粗糙度预测模型的建立 | 第37-49页 |
·高速铣削加工表面的形成 | 第37-38页 |
·基于理论公式的表面粗糙度预测 | 第38-39页 |
·建立预测模型方法的选取 | 第39-42页 |
·响应曲面法 | 第40-41页 |
·BP 神经网络 | 第41页 |
·回归分析法 | 第41-42页 |
·基于回归分析的表面粗糙度预测模型的建立 | 第42-48页 |
·回归分析的基本思想 | 第42页 |
·多元线性回归数学模型 | 第42-43页 |
·参数的最小二乘估计 | 第43-46页 |
·表面粗糙度预测模型的显著性检验 | 第46-47页 |
·回归系数的显著性检验 | 第47-48页 |
·表面粗糙度预测模型的验证 | 第48页 |
·本章小结 | 第48-49页 |
第4章 铣削参数优化 | 第49-65页 |
·遗传算法(GA)简介 | 第49-51页 |
·遗传算法定义与特点 | 第49-50页 |
·遗传算法的操作流程 | 第50-51页 |
·遗传算法的实现 | 第51-55页 |
·染色体编码 | 第51-52页 |
·适应度函数的确定 | 第52页 |
·遗传算子 | 第52-54页 |
·交叉概率的选取 | 第54页 |
·变异概率的选取 | 第54-55页 |
·铣削参数优化的数学模型 | 第55-56页 |
·模型决策变量 | 第55页 |
·目标函数 | 第55页 |
·约束条件 | 第55-56页 |
·铣削参数的优化 | 第56-60页 |
·约束条件的处理 | 第56-57页 |
·基于 MATLAB 遗传算法工具箱的优化问题求解 | 第57-60页 |
·优化结果分析 | 第60-62页 |
·加工实例 | 第62-63页 |
·本章小结 | 第63-65页 |
结论 | 第65-66页 |
参考文献 | 第66-69页 |
附录 | 第69-71页 |
攻读硕士学位期间承担的科研任务与主要成果 | 第71-72页 |
致谢 | 第72-73页 |
作者简介 | 第73页 |