| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题的研究背景与研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 机械加工误差预测技术研究现状 | 第9-11页 |
| 1.2.2 机械加工误差补偿技术研究现状 | 第11-13页 |
| 1.3 课题来源及研究内容 | 第13-16页 |
| 1.3.1 课题来源 | 第13页 |
| 1.3.2 论文研究目的 | 第13页 |
| 1.3.3 论文研究内容 | 第13-16页 |
| 2 基于新陈代谢模型的加工误差预测 | 第16-36页 |
| 2.1 灰色系统理论分析 | 第16-19页 |
| 2.1.1 GM(1,1)模型建模 | 第16-18页 |
| 2.1.2 灰色系统理论应用于机械加工误差预测的可行性分析 | 第18-19页 |
| 2.2 新陈代谢模型建模及影响因素分析 | 第19-29页 |
| 2.2.1 模型维数对新陈代谢模型预测精度的影响分析 | 第21-25页 |
| 2.2.2 背景值对新陈代谢模型预测精度的影响分析 | 第25-29页 |
| 2.3 新陈代谢模型优化 | 第29-31页 |
| 2.3.1 原始序列处理 | 第29-30页 |
| 2.3.2 重构背景值 | 第30-31页 |
| 2.4 预测结果分析 | 第31-34页 |
| 2.4.1 模型精度检验 | 第31-32页 |
| 2.4.2 预测结果分析 | 第32-34页 |
| 2.5 本章小结 | 第34-36页 |
| 3 基于新陈代谢与神经网络组合模型的加工误差预测 | 第36-50页 |
| 3.1 人工神经网络 | 第36-39页 |
| 3.1.1 NAR神经网络建模 | 第36-38页 |
| 3.1.2 神经网络应用于机械加工误差预测的可行性分析 | 第38-39页 |
| 3.2 残差修正方法分析 | 第39-42页 |
| 3.2.1 残差与残差修正 | 第39-40页 |
| 3.2.2 基于新陈代谢模型的残差预测分析 | 第40-42页 |
| 3.3 NAR神经网络预测与组合模型建模 | 第42-44页 |
| 3.3.1 NAR神经网络预测 | 第42-43页 |
| 3.3.2 新陈代谢与神经网络组合模型建模 | 第43-44页 |
| 3.4 基于NAR神经网络的残差预测 | 第44-48页 |
| 3.4.1 数据预处理 | 第44-45页 |
| 3.4.2 NAR神经网络参数确定 | 第45-46页 |
| 3.4.3 NAR神经网络训练 | 第46-47页 |
| 3.4.4 NAR神经网络预测 | 第47-48页 |
| 3.5 本章小结 | 第48-50页 |
| 4 加工误差补偿验证 | 第50-60页 |
| 4.1 加工过程与误差因素分析 | 第50-54页 |
| 4.1.1 试件与加工条件 | 第50-53页 |
| 4.1.2 加工误差影响因素分析 | 第53-54页 |
| 4.2 加工误差补偿 | 第54-58页 |
| 4.2.1 加工误差补偿步骤 | 第54-55页 |
| 4.2.2 加工误差补偿方式 | 第55页 |
| 4.2.3 加工误差补偿原理 | 第55-56页 |
| 4.2.4 加工误差补偿的实现 | 第56-58页 |
| 4.3 补偿结果分析 | 第58-59页 |
| 4.4 本章小结 | 第59-60页 |
| 5 结论与展望 | 第60-62页 |
| 5.1 结论 | 第60页 |
| 5.2 研究展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68页 |
| A. 作者攻读硕士学位期间参与的课题 | 第68页 |
