淬硬钢精密车削加工的振动预测建模与参数优化
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 切削振动预测的研究进展现状 | 第11-14页 |
| 1.2.1 切削振动稳定性极限研究 | 第12页 |
| 1.2.2 切削振动的判别方法与预测研究 | 第12-14页 |
| 1.3 切削参数优化的研究 | 第14-15页 |
| 1.4 目前研究中存在的问题 | 第15页 |
| 1.5 本文的主要研究内容 | 第15-17页 |
| 第二章 淬硬钢车削振动影响因素分析 | 第17-29页 |
| 2.1 淬硬钢切削振动的产生机理及其影响因素 | 第17-18页 |
| 2.1.1 切削振动的产生机理 | 第17-18页 |
| 2.1.2 影响切削振动的主要因素 | 第18页 |
| 2.2 淬硬钢车削动力学模型结构 | 第18-20页 |
| 2.3 淬硬钢车削试验 | 第20-23页 |
| 2.3.1 参数的选择 | 第20页 |
| 2.3.2 试验装置与方法 | 第20-21页 |
| 2.3.3 试验数据标定 | 第21-22页 |
| 2.3.4 试验数据处理 | 第22-23页 |
| 2.4 淬硬钢车削参数对振动振幅的影响分析 | 第23-28页 |
| 2.4.1 切削速度的影响 | 第23-25页 |
| 2.4.2 进给量的影响 | 第25-26页 |
| 2.4.3 切削深度的影响 | 第26-27页 |
| 2.4.4 刀尖圆弧半径的影响 | 第27-28页 |
| 2.5 小结 | 第28-29页 |
| 第三章 淬硬钢精密车削振动振幅预测模型 | 第29-39页 |
| 3.1 振动振幅预测模型建立方法及试验数据采集 | 第29-31页 |
| 3.1.1 车削试验 | 第29-30页 |
| 3.1.2 振动振幅数据采集与切削试验结果 | 第30-31页 |
| 3.2 BP神经网络预测模型的建立 | 第31-33页 |
| 3.2.1 神经网络结构的确定 | 第31-32页 |
| 3.2.2 学习算法的选择 | 第32-33页 |
| 3.2.3 BP神经网络学习函数 | 第33页 |
| 3.2.4 BP神经网络的训练函数 | 第33页 |
| 3.3 数据预处理及预测模型训练 | 第33-37页 |
| 3.3.1 训练数据的归一化处理 | 第33-34页 |
| 3.3.2 BP神经网络的训练及误差 | 第34-36页 |
| 3.3.3 BP神经网络振幅预测模型验证 | 第36-37页 |
| 3.4 淬硬钢车削振动振幅预测系统的实现 | 第37-38页 |
| 3.5 小结 | 第38-39页 |
| 第四章 淬硬钢精密车削参数优化 | 第39-55页 |
| 4.1 综合优化试验设计 | 第39-40页 |
| 4.2 淬硬钢车削特征指标的多元非线性回归模型 | 第40-53页 |
| 4.2.1 振动振幅回归模型的建立 | 第40-43页 |
| 4.2.2 粗糙度回归模型的建立 | 第43-45页 |
| 4.2.3 残余应力回归模型的建立 | 第45-48页 |
| 4.2.4 白层厚度回归模型的建立 | 第48-50页 |
| 4.2.5 切削行程回归模型的建立 | 第50-53页 |
| 4.3 参数优化 | 第53-54页 |
| 4.4 小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术成果 | 第61页 |
