钛合金铣削表面粗糙度预测建模
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·引言 | 第10-12页 |
| ·关于表面粗糙度的研究现状 | 第12-14页 |
| ·国内外对表面粗糙度预测研究的现状 | 第12-13页 |
| ·钛合金铣削表面粗糙度研究现状 | 第13-14页 |
| ·表面粗糙度预测存在的问题 | 第14页 |
| ·本文的主要研究工作 | 第14页 |
| ·本文主要内容的安排 | 第14-15页 |
| 第二章 球头铣刀加工残余表面几何模型 | 第15-28页 |
| ·铣刀的类型及工艺特点 | 第15-16页 |
| ·广义铣刀几何参数 | 第15-16页 |
| ·预测模型构成 | 第16-22页 |
| ·球形刃数学模型 | 第17-18页 |
| ·刀具坐标系下刀刃的一般表达式 | 第18页 |
| ·工件坐标系下刀刃的一般表达式 | 第18-22页 |
| ·TC11 铣削试验与仿真 | 第22-27页 |
| ·TC11 材料参数 | 第22页 |
| ·仿真算法 | 第22-24页 |
| ·仿真算例 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 神经网络（BP 网络）预测模型 | 第28-39页 |
| ·BP 人工神经网络 | 第28-31页 |
| ·BP 神经网络学习算法 | 第28-29页 |
| ·BP 神经网络算法实现 | 第29-30页 |
| ·BP 神经网络的不足及改进 | 第30-31页 |
| ·BP 神经网络在高速铣削表面粗糙度预测中的应用 | 第31页 |
| ·BP 神经网络粗糙度预测模型设计 | 第31-33页 |
| ·BP 神经网络层数设计 | 第31页 |
| ·BP 神经网络各层节点数的确定 | 第31-32页 |
| ·BP 神经网络传递函数选取 | 第32-33页 |
| ·BP 神经网络粗糙度预测模型训练 | 第33-37页 |
| ·BP 神经网络模型训练样本数据采集 | 第33-34页 |
| ·数据预处理 | 第34-35页 |
| ·网络训练 | 第35-37页 |
| ·BP 神经网络预测模型的确定及数据处理 | 第37-38页 |
| ·BP 神经网络模型的确定 | 第37页 |
| ·数据处理以及误差计算 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 回归分析模型 | 第39-55页 |
| ·基于回归分析对表面粗糙度预测模型的研究 | 第39-44页 |
| ·多元线性回归分析 | 第39-44页 |
| ·多元线性回归分析在粗糙度预测中的应用 | 第44页 |
| ·粗糙度预测回归模型建立 | 第44-47页 |
| ·表面粗糙度预测模型的显著性检验 | 第47-54页 |
| ·表面粗糙度预测模型的显著性检验 | 第47-52页 |
| ·表面粗糙度预测模型回归系数显著性检验 | 第52-53页 |
| ·回归分析模型预测结果的试验验证 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 表面粗糙度预测实例验证 | 第55-60页 |
| ·钛合金高速铣削试验方案 | 第55-58页 |
| ·工件材料 | 第55页 |
| ·试验仪器 | 第55-56页 |
| ·TC4 试验方案 | 第56-58页 |
| ·铣削表面粗糙度试验与建模预测结果的对比分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-61页 |
| ·总结 | 第60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 在学期间的研究成果及发表的学术论文 | 第65页 |
