| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-23页 |
| ·课题研究背景与意义 | 第13-14页 |
| ·降低大型机床加工误差的措施 | 第14-15页 |
| ·大型机床误差 | 第14页 |
| ·降低大型机床加工误差的方法 | 第14-15页 |
| ·机床热误差补偿技术的研究与发展现状 | 第15-21页 |
| ·温度测点优化 | 第15-18页 |
| ·热误差建模 | 第18-21页 |
| ·存在的问题 | 第21页 |
| ·课题来源和主要研究内容 | 第21-23页 |
| 第二章 大型龙门数控机床热误差检测与分析 | 第23-33页 |
| ·大型龙门数控机床结构特点及热源分析 | 第23-25页 |
| ·结构特点 | 第23-25页 |
| ·热源分析 | 第25页 |
| ·大型龙门机床热误差、温度场检测 | 第25-29页 |
| ·温度传感器的布置 | 第25-27页 |
| ·位移传感器的布置 | 第27-28页 |
| ·温度与热误差检测系统 | 第28-29页 |
| ·大型龙门机床热误差检测试验 | 第29-32页 |
| ·试验方案 | 第29-30页 |
| ·试验数据分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 大型龙门机床热误差温度测点优化 | 第33-48页 |
| ·模糊聚类测点优化理论 | 第33-36页 |
| ·温度变量的模糊聚类分组 | 第33-35页 |
| ·基于偏相关分析法的关键温度变量选择 | 第35-36页 |
| ·基于灰关联度的模糊聚类测点优化理论 | 第36-37页 |
| ·数据标准化 | 第36页 |
| ·灰关联度计算 | 第36-37页 |
| ·温度测点分组优化理论应用实例 | 第37-43页 |
| ·模糊聚类测点优化结果 | 第38-42页 |
| ·基于灰关联度的模糊聚类测点优化结果 | 第42-43页 |
| ·不同温度测点优化方法评价 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于遗传算法优化 RBF 网络的大型龙门机床热误差建模与预测 | 第48-67页 |
| ·RBF 神经网络 | 第48-50页 |
| ·遗传算法 | 第50-53页 |
| ·遗传算法的基本步骤 | 第50-51页 |
| ·遗传编码方案 | 第51-52页 |
| ·适应度函数 | 第52页 |
| ·遗传算子 | 第52-53页 |
| ·基于遗传算法优化的 RBF 神经网络 | 第53-56页 |
| ·RBF 网络隐层中心个数确定 | 第53-54页 |
| ·RBF 网络的遗传进化训练 | 第54-56页 |
| ·大型龙门机床热误差建模与预测 | 第56-66页 |
| ·热误差建模 | 第56-63页 |
| ·热误差预测 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 数控机床热误差测点优化与建模仿真系统 | 第67-76页 |
| ·系统总体结构 | 第67-68页 |
| ·试验数据观测模块 | 第68-69页 |
| ·温度测点优化模块 | 第69-71页 |
| ·热误差建模模块 | 第71-75页 |
| ·多元线性回归建模模块 | 第72页 |
| ·RBF 神经网络建模模块 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| ·总结 | 第76页 |
| ·展望 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83-84页 |
| 在学期间的研究成果及发表的学术论文 | 第84页 |