| 1 绪论 | 第1-15页 |
| ·数控技术 | 第10-11页 |
| ·数控技术 | 第10页 |
| ·数控技术的发展趋势 | 第10-11页 |
| ·人工智能技术 | 第11-12页 |
| ·机械加工切削参数 | 第12-13页 |
| ·切削参数的确定是机械加工的一项重要工作 | 第12-13页 |
| ·切削参数由众多因素综合确定 | 第13页 |
| ·课题简介 | 第13-14页 |
| ·课题来源 | 第13页 |
| ·课题意义 | 第13-14页 |
| ·课题任务 | 第14页 |
| ·小结 | 第14-15页 |
| 2 铣削加工切削参数智能选择系统设计 | 第15-26页 |
| ·系统功能与设计 | 第15-17页 |
| ·系统功能 | 第15页 |
| ·系统设计 | 第15-16页 |
| ·系统结构总体框架 | 第16-17页 |
| ·软件开发方法和开发工具 | 第17-19页 |
| ·面向对象的编程技术 | 第17-18页 |
| ·Visual C++简介 | 第18-19页 |
| ·铣削加工切削参数智能选择系统的功能设计 | 第19-25页 |
| ·铣削加工切削参数智能选择系统功能设计 | 第19-20页 |
| ·铣削加工切削参数智能选择系统功能模型 | 第20-25页 |
| ·小结 | 第25-26页 |
| 3 金属铣削加工数据库设计 | 第26-35页 |
| ·数据库设计 | 第26-27页 |
| ·铣削加工工程数据库设计 | 第27-30页 |
| ·数据库的安全性 | 第30-31页 |
| ·数据库数据的来源 | 第31页 |
| ·数据管理实例示例与实现程序 | 第31-34页 |
| ·小结 | 第34-35页 |
| 4 金属材料切削性能的评判及聚类 | 第35-49页 |
| ·模糊数学简介 | 第35页 |
| ·工件材料的物理机械性能对切削加工性能的影响 | 第35-39页 |
| ·一般影响切削性能的物理机械性能 | 第35-38页 |
| ·工件材料切削性能等级 | 第38-39页 |
| ·工件材料切削性能等级判定 | 第39-41页 |
| ·工件材料切削性能等级判定指标 | 第39-40页 |
| ·工件材料切削性能等级判定的隶属函数 | 第40页 |
| ·工件材料切削性能评判 | 第40页 |
| ·实例计算 | 第40-41页 |
| ·基于模糊聚类分析的相似材料聚类 | 第41-44页 |
| ·模糊聚类分析 | 第41-42页 |
| ·实例计算 | 第42-44页 |
| ·程序运行界面 | 第44-45页 |
| ·程序设计 | 第45-48页 |
| ·小结 | 第48-49页 |
| 5 基于RGA的铣削加工切削参数的智能优化 | 第49-74页 |
| ·最优化方法概述 | 第49-50页 |
| ·基于实数编码的遗传算法RGA | 第50-59页 |
| ·遗传算法(GA)简介 | 第51-53页 |
| ·基于实数编码遗传算法的运算方式 | 第53-56页 |
| ·基于实数编码的遗传算法(RGA) | 第56-59页 |
| ·RGA概述 | 第56-57页 |
| ·RGA一般实现步骤 | 第57-59页 |
| ·铣削加工切削用量优化 | 第59-73页 |
| ·优化设计变量 | 第60页 |
| ·优化目标函数 | 第60-64页 |
| ·最高生产率法 | 第60-61页 |
| ·最低成本法 | 第61-62页 |
| ·最大利润率法 | 第62页 |
| ·综合评价法 | 第62-64页 |
| ·铣削加工切削参数的优化约束条件 | 第64-65页 |
| ·最优化数学模型 | 第65-66页 |
| ·铣削加工切削参数优化程序实现 | 第66-73页 |
| ·RGA算法在铣削加工参数优化中的主要实现步骤 | 第66-67页 |
| ·铣削加工切削参数优化的实现程序 | 第67-73页 |
| ·小结 | 第73-74页 |
| 6 基于BP-RAGA的神经网络的铣削加工切削参数智能决策 | 第74-96页 |
| ·BP-RAGA算法用于人工神经网络 | 第74-86页 |
| ·BP人工神经网络 | 第74-77页 |
| ·BP神经网络的理论实现 | 第77-82页 |
| ·BP—RAGA混合算法 | 第82-86页 |
| ·RAGA概述 | 第83页 |
| ·RAGA一般实现步骤 | 第83页 |
| ·RAGA算法的可靠性 | 第83-84页 |
| ·RAGA优化神经网络 | 第84-86页 |
| ·运用BP-RAGA优化的神经网络用于实现铣削切削参数决策 | 第86-89页 |
| ·RAGA算法在铣削切削参数决策中的运用 | 第86-88页 |
| ·BP神经网络在铣削切削参数决策中的运用 | 第88-89页 |
| ·BP-RAGA算法在切削参数决策中的运用 | 第89页 |
| ·铣削切削参数通过BP-RAGA优化的神经网络的实现程序 | 第89-95页 |
| ·小结 | 第95-96页 |
| 7 系统研究结论与展望 | 第96-98页 |
| ·系统设计总结 | 第96页 |
| ·系统展望 | 第96-98页 |
| ·系统功能有待完善 | 第97页 |
| ·系统的运用平台有待拓宽 | 第97-98页 |
| 参考文献 | 第98-101页 |
| 作者攻读硕期间科研成果简介 | 第101-102页 |
| 声明 | 第102-103页 |
| 致谢 | 第103页 |
