| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 课题的研究背景及意义 | 第9-11页 |
| 1.2 国内外相关研究概况及发展趋势 | 第11-15页 |
| 1.2.1 智能算法在电火花成型技术的应用 | 第11-12页 |
| 1.2.2 计算机仿真技术对电火花加工精度的作用 | 第12-15页 |
| 1.3 人工神经网络的基本概念 | 第15-17页 |
| 1.4 论文主要内容及结构 | 第17-19页 |
| 2 电火花加工基本原理及神经网络的应用 | 第19-29页 |
| 2.1 电火花加工基本原理 | 第19-22页 |
| 2.1.1 电火花加工概述 | 第19页 |
| 2.1.2 影响电火花加工结果的主要因素 | 第19-22页 |
| 2.2 基于神经网络的电火花加工结果预测 | 第22-27页 |
| 2.2.1 基于BP神经网络的电火花加工结果预测 | 第22-24页 |
| 2.2.2 基于RBF神经网络的电火花加工结果预测 | 第24-27页 |
| 2.3 现有研究存在的问题 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 基于极限学习机的电火花的加工过程预测 | 第29-34页 |
| 3.1 极限学习机基本原理 | 第29-31页 |
| 3.2 极限学习机的发展 | 第31页 |
| 3.3 基于极限学习机的电火花加工预测 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 仿真实验 | 第34-48页 |
| 4.1 数据介绍 | 第34-37页 |
| 4.1.1 数据归一化 | 第35-37页 |
| 4.2 ELM神经网络设计 | 第37-42页 |
| 4.2.1 设计一个ELM神经网络 | 第37-38页 |
| 4.2.2 神经网络参数的确定 | 第38-40页 |
| 4.2.3 神经网络结果与分析 | 第40-42页 |
| 4.3 ELM网络与BP网络的比较 | 第42-43页 |
| 4.3.1 BP网络的建立 | 第42-43页 |
| 4.3.2 ELM网络与BP网络的比较 | 第43页 |
| 4.4 ELM网络与RBF网络的比较 | 第43-47页 |
| 4.4.1 RBF网络的建立 | 第43-45页 |
| 4.4.2 RBF网络与BP及ELM网络的比较 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |