| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 在线检测技术的国内外研究现状 | 第12-13页 |
| 1.3 在线检测系统误差分析研究概况 | 第13-15页 |
| 1.4 本文的主要研究工作 | 第15-17页 |
| 第二章 在线检测系统的误差分析与补偿方法 | 第17-36页 |
| 2.1 在线检测系统的误差来源分析 | 第17-19页 |
| 2.2 三轴数控加工中心的几何误差 | 第19-27页 |
| 2.2.1 三轴数控机床的几何误差描述 | 第19-20页 |
| 2.2.2 三轴数控机床的几何误差测量 | 第20-25页 |
| 2.2.3 三轴数控机床的几何误差补偿方法 | 第25-27页 |
| 2.3 触发式测头预行程误差分析 | 第27-31页 |
| 2.3.1 触发式测头的工作原理及作用 | 第27-28页 |
| 2.3.2 触发式测头预行程误差的产生 | 第28-29页 |
| 2.3.3 预行程误差的获取与补偿 | 第29-31页 |
| 2.4 触发式测头的标定及探测误差 | 第31-34页 |
| 2.5 触发式测头的半径误差补偿分析 | 第34-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 触发式测头的预行程误差建模方法研究 | 第36-57页 |
| 3.1 触发式测头预行程误差的实验模型 | 第36-42页 |
| 3.2 基于遗传算法的BP神经网络预行程误差预测模型 | 第42-50页 |
| 3.2.1 遗传算法优化BP神经网络理论方法 | 第42-43页 |
| 3.2.2 基于遗传算法的BP神经网络预行程误差预测建模 | 第43-48页 |
| 3.2.3 基于遗传算法的BP神经网络的预行程误差预测模型的精度分析 | 第48-50页 |
| 3.3 基于正则化径向基RBF的预行程误差模型 | 第50-55页 |
| 3.3.1 基于正则化径向基RBF的预行程误差预测建模 | 第52-53页 |
| 3.3.2 基于正则化径向基RBF的预行程误差预测模型的精度分析 | 第53-55页 |
| 3.4 两种预行程误差预测模型预测精度对比 | 第55-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第四章 在线检测系统不确定度评定方法研究 | 第57-74页 |
| 4.1 在线检测系统不确定度评定分析 | 第57-58页 |
| 4.2 在线检测系统中的不确定度A类评定 | 第58-61页 |
| 4.3 在线检测系统中的不确定B类评定方法 | 第61-66页 |
| 4.3.1 标准不确定度的灰评定原理 | 第61-63页 |
| 4.3.2 灰色系统常数c的确定 | 第63-64页 |
| 4.3.3 粗大误差的灰色评定判别 | 第64-66页 |
| 4.4 基于灰色系统理论的自由曲面检测系统不确定度评定 | 第66-73页 |
| 4.4.1 自由曲面检测的不确定度B类评定 | 第66-67页 |
| 4.4.2 利用灰色系统理论对在线检测数据进行评定 | 第67-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 在线检测误差评定与补偿系统开发及实验验证 | 第74-91页 |
| 5.1 在线检测系统误差分析与补偿模块的界面和功能介绍 | 第74-76页 |
| 5.2 在线检测过程的实验平台搭建 | 第76-78页 |
| 5.3 自由曲面零件的在线检测精度实验验证 | 第78-89页 |
| 5.3.1 自由曲面零件1的精度检测 | 第78-84页 |
| 5.3.2 自由曲面零件2的精度检测 | 第84-89页 |
| 5.4 本章小结 | 第89-91页 |
| 结论与展望 | 第91-92页 |
| 结论 | 第91页 |
| 创新点 | 第91页 |
| 展望 | 第91-92页 |
| 参考文献 | 第92-97页 |
| 攻读学位期间的论文 | 第97-98页 |
| 致谢 | 第98页 |
