| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-24页 |
| ·课题来源 | 第8页 |
| ·课题的目的和意义 | 第8-13页 |
| ·镗孔加工尺寸误差预测补偿系统的现状 | 第13-21页 |
| ·本文的主要工作 | 第21-24页 |
| 2 镗孔加工尺寸误差预测补偿系统方案研究 | 第24-35页 |
| ·引言 | 第24页 |
| ·镗孔加工尺寸误差预测补偿系统的基本要求 | 第24-25页 |
| ·镗孔加工误差补偿的方法 | 第25-26页 |
| ·系统工作原理和总体方案研究 | 第26-27页 |
| ·系统技术指标 | 第27-28页 |
| ·系统各部分功能和实现 | 第28-34页 |
| ·小结 | 第34-35页 |
| 3 镗孔刀具微量补偿装置研究 | 第35-57页 |
| ·引言 | 第35页 |
| ·镗孔刀具微量补偿装置的要求 | 第35页 |
| ·镗孔刀具微位移机构分类及原理 | 第35-38页 |
| ·各种镗孔刀具微量补偿装置分析 | 第38-46页 |
| ·平行四边形镗孔刀具微量补偿装置 | 第46-48页 |
| ·影响微量补偿装置补偿精度的几个问题研究 | 第48-56页 |
| ·小结 | 第56-57页 |
| 4 基于人工神经网络理论的镗孔加工尺寸误差预测模型 | 第57-78页 |
| ·引言 | 第57页 |
| ·镗孔加工尺寸误差预测模型的建模方法 | 第57-59页 |
| ·人工神经网络的基本特点 | 第59-60页 |
| ·多层前馈人工神经网络 | 第60-68页 |
| ·标准三层BP 神经网络 | 第68-69页 |
| ·标准BP 算法的改进 | 第69-73页 |
| ·镗孔加工尺寸误差预测模型建模 | 第73-77页 |
| ·小结 | 第77-78页 |
| 5 面向镗孔加工尺寸误差预测的粒子群优化算法建模 | 第78-86页 |
| ·引言 | 第78-79页 |
| ·粒子群优化算法的原理 | 第79-84页 |
| ·基于PSO 算法的人工神经网络连接权的训练和建模 | 第84-85页 |
| ·小结 | 第85-86页 |
| 6 系统性能试验研究 | 第86-101页 |
| ·引言 | 第86页 |
| ·试验原理及方法 | 第86页 |
| ·试验仪器设备 | 第86-88页 |
| ·性能试验 | 第88-94页 |
| ·技术指标比较 | 第94-100页 |
| ·小结 | 第100-101页 |
| 7 面向大批量生产的应用研究 | 第101-110页 |
| ·引言 | 第101页 |
| ·后臂加工工艺与机械加工自动线 | 第101-103页 |
| ·镗孔加工尺寸误差预测补偿系统 | 第103-105页 |
| ·系统操作与运行 | 第105-107页 |
| ·加工试验及结果 | 第107-109页 |
| ·小结 | 第109-110页 |
| 8 全文工作总结及研究展望 | 第110-113页 |
| ·全文工作总结 | 第110-111页 |
| ·研究展望 | 第111-113页 |
| 致谢 | 第113-114页 |
| 参考文献 | 第114-125页 |
| 附录1 作者在攻读博士学位期间发表的论文 | 第125-126页 |
| 附录2 鉴定证书 | 第126-127页 |