| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 车削细长轴研究现状 | 第12-16页 |
| 1.2.2 细长轴振动研究现状 | 第16-17页 |
| 1.2.3 智能控制的应用现状 | 第17-18页 |
| 1.3 课题主要研究内容和技术路线 | 第18-19页 |
| 1.3.1 课题主要研究内容 | 第18-19页 |
| 1.3.2 技术路线 | 第19页 |
| 1.4 本章小结 | 第19-20页 |
| 第2章 拉夹逆向车削细长轴的振动特性研究 | 第20-30页 |
| 2.1 轴类零件振动分析 | 第20-22页 |
| 2.1.1 轴类零件加工过程中的振动 | 第20-21页 |
| 2.1.2 振动理论研究的基本方法 | 第21-22页 |
| 2.2 普通车削细长轴的振动特性分析 | 第22-26页 |
| 2.2.1 普通车削细长轴的力学建模 | 第22-23页 |
| 2.2.2 普通车削细长轴的径向振动分析 | 第23-25页 |
| 2.2.3 普通车削细长轴振型函数正交性 | 第25-26页 |
| 2.3 拉夹逆向车削的振动特性分析 | 第26-29页 |
| 2.3.1 拉夹逆向车削的力学建模 | 第26-27页 |
| 2.3.2 拉夹逆向车削的径向振动分析 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于Deform车削细长轴仿真分析 | 第30-48页 |
| 3.1 有限元仿真软件Deform概述 | 第30-36页 |
| 3.1.1 Deform的主要特点 | 第30页 |
| 3.1.2 Deform软件的主要构成 | 第30-32页 |
| 3.1.3 有限元仿真步骤 | 第32-33页 |
| 3.1.4 有限元模型的建立 | 第33-35页 |
| 3.1.5 切屑的分离准则 | 第35-36页 |
| 3.2 Deform的模拟仿真过程与结果 | 第36-42页 |
| 3.2.1 几何模型的建立 | 第37-40页 |
| 3.2.2 仿真结果 | 第40-42页 |
| 3.3 经验公式计算 | 第42-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第4章 拉夹逆向车削细长轴的ANSYS有限元仿真分析 | 第48-61页 |
| 4.1 有限单元法及ANSYSWorkbench软件简介 | 第48-50页 |
| 4.1.1 有限单元法的产生与发展 | 第48-49页 |
| 4.1.2 ANSYSWorkbench软件简介 | 第49-50页 |
| 4.2 ANSYSWorkbench的仿真流程 | 第50-52页 |
| 4.3 细长轴的静力学分析 | 第52-55页 |
| 4.3.1 静力学分析有限元理论 | 第52-53页 |
| 4.3.2 细长轴静力学仿真分析 | 第53-55页 |
| 4.4 细长轴模态分析 | 第55-59页 |
| 4.4.1 模态分析理论 | 第55-56页 |
| 4.4.2 模态分析过程及分析结果 | 第56-59页 |
| 4.5 谐响应分析 | 第59-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第5章 拉夹逆向车削细长轴的切削力预测 | 第61-73页 |
| 5.1 神经网络简介 | 第61-65页 |
| 5.1.1 神经网络概述 | 第61页 |
| 5.1.2 BP神经网络的学习规则 | 第61-63页 |
| 5.1.3 BP神经网络的训练方法 | 第63-65页 |
| 5.2 MATLAB软件及其神经网络工具箱 | 第65-66页 |
| 5.3 拉夹逆向车削BP神经网络建模 | 第66-71页 |
| 5.3.1 BP神经网络训练样本的选取 | 第66-67页 |
| 5.3.2 BP神经网络训练参数的选择 | 第67-68页 |
| 5.3.3 BP神经网络的创建和训练 | 第68-71页 |
| 5.4 拉夹逆向车削BP神经网络的试验验证 | 第71-72页 |
| 5.5 本章小结 | 第72-73页 |
| 结论与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 作者简介 | 第80-81页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第81-82页 |