| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-21页 |
| ·课题来源 | 第11页 |
| ·课题产生背景与意义 | 第11-12页 |
| ·PCBN 刀具国内外研究应用 | 第12-14页 |
| ·硬切削国内外研究现状 | 第14-16页 |
| ·硬切削已加工表面质量 | 第14-15页 |
| ·硬切削切屑形态 | 第15-16页 |
| ·硬切削的PCBN 刀具磨损 | 第16页 |
| ·超声振动切削的国内外研究状况 | 第16-18页 |
| ·本课题的主要研究内容 | 第18-21页 |
| 2 超声振动切削机理 | 第21-29页 |
| ·超声振动切削切削刃的运动机理 | 第21-23页 |
| ·振动切削工件的动态变化 | 第23-24页 |
| ·不灵敏性超声振动切削机理 | 第24-25页 |
| ·车削加工表面形成机理 | 第25-27页 |
| ·超声振动切削减小表面粗糙度机理 | 第27页 |
| ·本章小结 | 第27-29页 |
| 3 超声振动硬态车削切屑的形成机理及试验研究 | 第29-35页 |
| ·切屑形态及其形成机理 | 第29-30页 |
| ·切屑的形态 | 第29页 |
| ·切屑的形成机理 | 第29-30页 |
| ·超声切屑的形成机理 | 第30-31页 |
| ·45 号淬硬钢切屑试验研究 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 4 超声振动硬态车削表面质量的试验研究 | 第35-55页 |
| ·试验目的、设备及条件 | 第35-36页 |
| ·超声振动切削装置的设计与选用 | 第36-38页 |
| ·超声振动切削试验现场照片及阐述 | 第38-39页 |
| ·正交试验设计及试验结果 | 第39-40页 |
| ·试验结果分析 | 第40-43页 |
| ·机床转速 n 对表面粗糙度的影响规律 | 第40-42页 |
| ·进给量 f 对表面粗糙度的影响规律 | 第42-43页 |
| ·切削深度 a_p对表面粗糙度的影响规律 | 第43页 |
| ·车削表面微观形貌特征分析 | 第43-50页 |
| ·车削表面微观形貌相关测量仪器 | 第44页 |
| ·车削表面微观形貌特性研究分析 | 第44-50页 |
| ·普通及超声振动车削表面粗糙度回归分析 | 第50-51页 |
| ·正交试验数据极差分析及车削参数优化 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 5 基于人工神经网络的超声振动车削表面粗糙度预测与建模 | 第55-67页 |
| ·BP 神经网络模型 | 第55-56页 |
| ·BP 神经网络学习算法 | 第56-59页 |
| ·BP 神经网络设计 | 第59-60页 |
| ·输入层和输出层的设计 | 第59页 |
| ·隐含层（中间层）的设计 | 第59-60页 |
| ·初始值的选择 | 第60页 |
| ·车削表面粗糙度BP 网络模型的建立与预测 | 第60-65页 |
| ·BP 网络模型的验证试验 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-71页 |
| ·本论文主要研究工作与结论 | 第67-68页 |
| ·主要创新点 | 第68页 |
| ·研究工件展望 | 第68-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75-77页 |
| 作者简历 | 第77-79页 |
| 学位论文数据集 | 第79页 |