光纤激光修锐青铜金刚石砂轮参数优化及工艺数据库研究
摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第13-18页 |
1.1 青铜结合剂金刚石砂轮简介 | 第13页 |
1.2 青铜结合剂金刚石砂轮传统修整方法 | 第13-14页 |
1.3 激光修锐超硬磨料砂轮 | 第14页 |
1.4 工艺参数优化与工艺数据库研究现状 | 第14-16页 |
1.4.1 激光修锐砂轮参数优化研究现状 | 第14-15页 |
1.4.2 激光修整工艺数据库研究现状 | 第15-16页 |
1.5 本文研究内容 | 第16-18页 |
第2章 光纤激光修锐青铜金刚石砂轮试验研究 | 第18-29页 |
2.1 光纤激光修锐系统组成 | 第18-22页 |
2.1.1 光纤激光器选型 | 第18-19页 |
2.1.2 光路传输聚焦装置 | 第19-20页 |
2.1.3 激光器外部控制板 | 第20页 |
2.1.4 二维进给系统 | 第20-22页 |
2.2 激光烧蚀青铜结合剂轮试验 | 第22-25页 |
2.2.1 试验材料 | 第22-23页 |
2.2.2 试验参数 | 第23页 |
2.2.3 试验结果 | 第23-25页 |
2.3 激光修锐青铜结合剂金刚石砂轮试验 | 第25-27页 |
2.3.1 试验材料 | 第25页 |
2.3.2 试验参数 | 第25-26页 |
2.3.3 试验结果 | 第26-27页 |
2.4 试件表面粗糙度测量 | 第27-28页 |
2.4.1 测量方法与仪器 | 第27页 |
2.4.2 试件表面粗糙度测量结果 | 第27-28页 |
2.5 本章小结 | 第28-29页 |
第3章 光纤激光修锐工艺参数神经网络模型 | 第29-37页 |
3.1 BP 神经网络 | 第29-30页 |
3.1.1 BP 神经网络的结构 | 第29-30页 |
3.1.2 BP 神经网络信息处理 | 第30页 |
3.2 激光修锐神经网络参数的设计 | 第30-32页 |
3.2.1 输入层的设计 | 第30页 |
3.2.2 隐含层的设计 | 第30-31页 |
3.2.3 输出层的设计 | 第31页 |
3.2.4 网络的初始连接权值 | 第31-32页 |
3.3 激光修锐神经网络结构的设计 | 第32页 |
3.4 网络训练及测试 | 第32-36页 |
3.4.1 数据样本 | 第32-33页 |
3.4.2 网络训练 | 第33-35页 |
3.4.3 网络测试 | 第35-36页 |
3.5 本章小结 | 第36-37页 |
第4章 激光修锐工艺参数的优化 | 第37-44页 |
4.1 基本粒子群优化算法 | 第37-38页 |
4.1.1 粒子群算法产生背景 | 第37页 |
4.1.2 粒子群算法的优化原理 | 第37-38页 |
4.2 优化问题的具体描述 | 第38-39页 |
4.2.1 数学模型的建立 | 第38-39页 |
4.2.2 适应度函数的建立 | 第39页 |
4.3 激光修锐工艺参数优化的基本流程 | 第39-40页 |
4.4 优化过程及结果试验验证 | 第40-42页 |
4.5 本章小结 | 第42-44页 |
第5章 激光修整砂轮工艺参数据库研究 | 第44-56页 |
5.1 功能需求分析及设计原则 | 第44-45页 |
5.1.1 功能需求分析 | 第44-45页 |
5.1.2 设计原则 | 第45页 |
5.2 总体框架设计及开发平台搭建 | 第45-48页 |
5.2.1 总体框架设计 | 第45-46页 |
5.2.2 开发平台搭建 | 第46-48页 |
5.3 数据库具体实现 | 第48-54页 |
5.3.1 交互界面设计 | 第48-50页 |
5.3.2 业务逻辑层实现 | 第50-52页 |
5.3.3 底层数据层设计 | 第52-54页 |
5.4 本章小结 | 第54-56页 |
结论与展望 | 第56-58页 |
参考文献 | 第58-61页 |
致谢 | 第61-62页 |
附录 A 攻读硕士学位期间所发表的学术论文目录 | 第62-63页 |
附录 B 部分程序源代码 | 第63-65页 |