| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·机械制造及其自动化的发展 | 第8-11页 |
| ·数控技术的发展 | 第8-9页 |
| ·磨削加工技术的发展 | 第9-11页 |
| ·机械加工中的切削参数 | 第11页 |
| ·切削参数的重要性 | 第11页 |
| ·切削参数确定的复杂性 | 第11页 |
| ·课题简介 | 第11-13页 |
| ·课题来源 | 第11-12页 |
| ·课题意义 | 第12页 |
| ·课题任务 | 第12-13页 |
| ·小结 | 第13-14页 |
| 2 磨削参数智能选择系统总体设计 | 第14-20页 |
| ·磨削加工的特点 | 第14-15页 |
| ·系统设计 | 第15-19页 |
| ·系统总体设计 | 第15-16页 |
| ·系统功能设计 | 第16-18页 |
| ·系统设计完成的主要任务和功能模块图 | 第18-19页 |
| ·小结 | 第19-20页 |
| 3 工件材料切削性能的评判及聚类 | 第20-30页 |
| ·磨削加工工程材料数据库设计 | 第20页 |
| ·工件材料切削性能的模糊评判 | 第20-24页 |
| ·模糊数学简介 | 第21页 |
| ·工件材料的物理机械性能对切削加工性能的影响 | 第21-22页 |
| ·工件材料切削性能等级 | 第22-23页 |
| ·工件材料切削性能评判 | 第23-24页 |
| ·基于模糊聚类分析的相似材料聚类 | 第24-29页 |
| ·模糊聚类分析 | 第24-25页 |
| ·实例计算 | 第25-29页 |
| ·小结 | 第29-30页 |
| 4 磨削参数智能选择系统的输入和输出 | 第30-40页 |
| ·磨削加工过程分析 | 第30-32页 |
| ·影响磨削加工的因素分析 | 第32-39页 |
| ·磨削力的影响因素 | 第33-35页 |
| ·磨削工件表面粗糙度影响因素 | 第35-37页 |
| ·磨削热影响因素 | 第37页 |
| ·砂轮磨损影响因素 | 第37-38页 |
| ·系统输入和输出参数的确定 | 第38-39页 |
| ·小结 | 第39-40页 |
| 5 本系统使用的神经网络及其算法 | 第40-51页 |
| ·神经网络技术介绍 | 第40-45页 |
| ·神经网络模型介绍 | 第41-42页 |
| ·神经网络的概念和特点 | 第42-43页 |
| ·神经网络技术在磨削加工中的应用 | 第43-45页 |
| ·全局寻优自适应快速 BP(GCAQBP)神经网络 | 第45-50页 |
| ·BP 神经网络基本思想 | 第45-46页 |
| ·BP 神经网络存在的缺陷 | 第46-47页 |
| ·GCAQBP 神经网络 | 第47-50页 |
| ·小结 | 第50-51页 |
| 6 磨削参数智能选择的实现 | 第51-68页 |
| ·软件开发工具开发方法和开发工具 | 第51-53页 |
| ·面向对象的编程技术 | 第51页 |
| ·Visual Basic6.0 语言介绍 | 第51-53页 |
| ·系统结构设计与实现 | 第53-67页 |
| ·磨削参数智能选择系统的总体结构 | 第54-56页 |
| ·神经网络的建模 | 第56-59页 |
| ·神经网络的训练及其结果验证 | 第59-67页 |
| ·小结 | 第67-68页 |
| 7 系统研究结论 | 第68-70页 |
| ·系统设计总结 | 第68页 |
| ·系统展望 | 第68-69页 |
| ·结论 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 作者攻读硕期间科研成果简介 | 第72-73页 |
| 声明 | 第73-74页 |
| 致谢 | 第74页 |