数控机床热变形的智能补偿方法及系统设计
| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 1 绪论 | 第12-16页 |
| ·课题 | 第12页 |
| ·课题提出的背景和意义 | 第12-13页 |
| ·国内外研究动态 | 第13-14页 |
| ·本文的主要研究工作 | 第14-16页 |
| ·本文的研究内容和关键技术 | 第14页 |
| ·论文的创新点 | 第14-15页 |
| ·论文结构 | 第15-16页 |
| 2 数控机床的误差分析 | 第16-22页 |
| ·数控机床工作原理 | 第16-17页 |
| ·数控机床的误差 | 第17-18页 |
| ·数控机床误差类型 | 第18-20页 |
| ·数控机床因热误差引起的机床热变形 | 第20页 |
| ·减少数控机床热误差的主要方法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 温度测试点的优化 | 第22-35页 |
| ·测温点的布置和热变形的测定方法 | 第22-25页 |
| ·测温点的布置 | 第22页 |
| ·机床误差检测 | 第22页 |
| ·激光测量仪检测法 | 第22-23页 |
| ·热误差的测量 | 第23-25页 |
| ·温度测试点的优化 | 第25-32页 |
| ·粗糙集理论对温度测点的优化 | 第25页 |
| ·粗糙集理论的基本概念 | 第25-26页 |
| ·约简和核 | 第26-28页 |
| ·不确定性以及属性的重要性 | 第28-29页 |
| ·特征选择和属性约简 | 第29-30页 |
| ·基于粗集理论的热误差补偿的温度优化 | 第30-32页 |
| ·采用灰色理论对温度测试点的优化 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 4 人工神经网络及在热误差补偿中的应用 | 第35-50页 |
| ·人工神经网络简介 | 第35页 |
| ·人工神经元的基本结构 | 第35-37页 |
| ·人工神经网络的结构 | 第37-39页 |
| ·神经网络的学习规则 | 第39-40页 |
| ·BP神经网络 | 第40-44页 |
| ·BP神经网络的结构 | 第40-41页 |
| ·BP网络的算法 | 第41-43页 |
| ·BP学习算法实现步骤 | 第43-44页 |
| ·人工神经网络在误差补偿技术中的建模 | 第44-47页 |
| ·基于BP神经网络模型的仿真 | 第47-48页 |
| ·基于BP网络数控机床误差补偿仿真结果分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 5 数控机床的误差实时补偿系统 | 第50-56页 |
| ·数控机床热误差实时补偿的方法 | 第50-52页 |
| ·热误差补偿的分析 | 第52-53页 |
| ·数控机床热误差实时补偿的执行 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 课题总结与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间发表的学术论文及研究成果 | 第62页 |
| 攻读学位期间参与的科研项目 | 第62-63页 |
| 附录Ⅰ：机床原始数据及其处理 | 第63-68页 |
| 附录Ⅱ：基于BP神经网络训练的源程序 | 第68-69页 |
| 附录Ⅲ：840D数控系统设计部分 | 第69-76页 |
