基于神经网络齿类零件信息输入在CAPP中的应用研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| 1．1 CAPP发展历史的简要回顾 | 第8-9页 |
| 1．2 CAPP的作用 | 第9-10页 |
| 1．3 当前CAPP系统的研究现状 | 第10-12页 |
| 1．4 CAPP存在的问题 | 第12页 |
| 1．5 本课题研究的主要内容 | 第12-14页 |
| 第二章 CAPP系统零件信息的描述与输入技术研究 | 第14-27页 |
| 2．1 零件信息输入方法研究 | 第14-18页 |
| 2．2 基于特征及特征单元的零件信息描述 | 第18-26页 |
| 2．3 本章小结 | 第26-27页 |
| 第三章 模式识别与神经网络 | 第27-44页 |
| 3．1 模式识别的基本理论 | 第27-29页 |
| 3．2 模式识别的方法 | 第29-32页 |
| 3．3 模式识别与人工神经网络 | 第32-36页 |
| 3．4 误差逆传播网 | 第36-39页 |
| 3．5 BP算法改进 | 第39-43页 |
| 3．6 本章小结 | 第43-44页 |
| 第四章 模式特征提取 | 第44-57页 |
| 4．1 引言 | 第44页 |
| 4．2 输入设备的选用及TIFF图像文件格式简介 | 第44-45页 |
| 4．3 特征信息提取方法的选择 | 第45-50页 |
| 4．4 零件图纸的数字图像预处理 | 第50-55页 |
| 4．5 特征向量的提取 | 第55-56页 |
| 4．6 本章小结 | 第56-57页 |
| 第五章 蜗轮蜗杆零件CAPP实现 | 第57-63页 |
| 5．1 蜗轮蜗杆零件的形状特征 | 第57-58页 |
| 5．2 特征向量构成 | 第58页 |
| 5．3 加载网络测试 | 第58-60页 |
| 5．4 蜗轮蜗杆CAPP实现 | 第60-62页 |
| 5．5 本章小结 | 第62-63页 |
| 第六章 结论及展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 在读期间发表论文 | 第70-71页 |
| 致谢 | 第71-72页 |
| 附录 | 第72-82页 |
