| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-20页 |
| ·表面质量对零件工作性能的影响 | 第11-12页 |
| ·对零件运动表面的摩擦和磨损的影响 | 第11页 |
| ·对疲劳强度的影响 | 第11页 |
| ·对耐蚀性的影响 | 第11页 |
| ·对配合质量的影响 | 第11-12页 |
| ·工件表面粗糙度的研究现状 | 第12-16页 |
| ·工件表面粗糙度的评价参数 | 第12-13页 |
| ·国内外对表面粗糙度预测的研究现状 | 第13-16页 |
| ·目前存在的问题 | 第16-17页 |
| ·课题研究的目的和意义 | 第17-18页 |
| ·论文的主要内容 | 第18-20页 |
| 第2章 表面粗糙度预测模型的建立 | 第20-32页 |
| ·表面粗糙度形成机理分析 | 第20-23页 |
| ·已加工表面的形成过程 | 第20-21页 |
| ·表面粗糙度产生的原因 | 第21-22页 |
| ·影响表面粗糙度的主要因素 | 第22-23页 |
| ·基于理论公式的工件表面粗糙度预测 | 第23-24页 |
| ·预测方法的选择 | 第24-25页 |
| ·基于神经网络的粗糙度预测模型建立 | 第25-31页 |
| ·神经网络类型的选择 | 第25-26页 |
| ·神经网络结构的设定 | 第26-28页 |
| ·神经网络学习算法的选取 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于RBF 神经网络的超精密车削表面粗糙度预测 | 第32-43页 |
| ·训练样本 | 第32-35页 |
| ·径向基（RBF）网络的训练 | 第35-38页 |
| ·径向基（RBF）网络训练过程 | 第35-37页 |
| ·径向基（RBF）网络运行程序流程图 | 第37-38页 |
| ·训练结果分析 | 第38-40页 |
| ·通过预测模型分析切削用量对表面粗糙度的影响 | 第40-42页 |
| ·切削速度对工件表面粗糙度的影响 | 第40-41页 |
| ·进给量对工件表面粗糙度的影响 | 第41-42页 |
| ·背吃刀量对工件表面粗糙度的影响 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第4章 车削加工切削参数优化研究 | 第43-63页 |
| ·车削加工切削参数的选取 | 第43-45页 |
| ·背吃刀量的选择 | 第44页 |
| ·进给量的选择 | 第44页 |
| ·切削速度的选择 | 第44-45页 |
| ·优化理论概述 | 第45-46页 |
| ·优化设计的分类 | 第45-46页 |
| ·优化设计的步骤 | 第46页 |
| ·优化方法的选择 | 第46-47页 |
| ·遗传算法 | 第47-50页 |
| ·遗传算法的实现 | 第47-49页 |
| ·遗传算法的控制参数 | 第49-50页 |
| ·切削参数优化实例 | 第50-62页 |
| ·切削条件 | 第50-51页 |
| ·车削参数优化数学模型的建立 | 第51-56页 |
| ·优化结果分析 | 第56-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 作者简介 | 第70页 |