面向模具型腔的高效数控加工研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·课题背景与意义 | 第9-10页 |
| ·国内外研究概况 | 第10-13页 |
| ·数控加工技术发展概况 | 第10-11页 |
| ·数控加工工艺参数优化的研究概况 | 第11-12页 |
| ·存在的问题 | 第12-13页 |
| ·本文的研究内容 | 第13-14页 |
| 2 模具型腔数控粗加工走刀方式的优选 | 第14-36页 |
| ·模具型腔的粗加工 | 第14-17页 |
| ·粗加工中的层切法介绍 | 第14-15页 |
| ·粗加工中的走刀方式 | 第15-17页 |
| ·基于BP网络的走刀方式选择模型 | 第17-20页 |
| ·理论背景 | 第17-18页 |
| ·基于BP网络的走刀方式选择的模型 | 第18-20页 |
| ·BP网络的学习样本向量的确定 | 第20-22页 |
| ·输入模式的确定 | 第20-22页 |
| ·输出模式的确定 | 第22页 |
| ·刀位文件的数控加工时间的获得 | 第22-24页 |
| ·数控代码的预处理 | 第23页 |
| ·加工时间的计算及其准确性验证 | 第23-24页 |
| ·BP网络学习样本集的获得 | 第24-28页 |
| ·输入向量的获得 | 第24-26页 |
| ·输出向量的获得 | 第26-27页 |
| ·学习样本集的产生 | 第27-28页 |
| ·BP网络参数的确定 | 第28-30页 |
| ·隐层的确定 | 第28页 |
| ·其他参数的确定方法 | 第28-29页 |
| ·BP网络的最终确定 | 第29-30页 |
| ·神经网络的训练 | 第30页 |
| ·实例验证 | 第30-35页 |
| ·走刀方式优选及其验证 | 第31-33页 |
| ·实际加工验证 | 第33-35页 |
| ·本章小节 | 第35-36页 |
| 3 基于人工神经网络的球头铣刀切削力模型的建立 | 第36-45页 |
| ·切削力模型及人工神经网络技术在切削加工中的应用 | 第36-37页 |
| ·切削力模型简介 | 第36-37页 |
| ·人工神经网络在切削加工中的应用现状 | 第37页 |
| ·球头铣刀切削力的ANN建模 | 第37-39页 |
| ·基本思想 | 第37-38页 |
| ·学习样本向量的确定 | 第38-39页 |
| ·学习样本集的获得 | 第39-42页 |
| ·试验条件 | 第39-40页 |
| ·试验步骤 | 第40-42页 |
| ·神经网络的训练和测试 | 第42-44页 |
| ·基于BP网络的切削力模型验证 | 第44页 |
| ·本章小节 | 第44-45页 |
| 4 基于平均切削力曲面模型的粗加工进给速度优化 | 第45-62页 |
| ·进给速度优化概述 | 第45-46页 |
| ·二维当量载荷 | 第46-49页 |
| ·二维当量载荷的概念 | 第46-47页 |
| ·加工过程二维当量载荷的变化 | 第47-49页 |
| ·基于刀位文件的数控加工模拟 | 第49-53页 |
| ·简易的平均切削力模型 | 第53-54页 |
| ·切削力数据的获得 | 第53-54页 |
| ·模型的建立 | 第54页 |
| ·自动的进给速度优化过程 | 第54-56页 |
| ·等切削力曲线的生成 | 第55页 |
| ·有效切削深度的计算 | 第55-56页 |
| ·进给速度的优化 | 第56页 |
| ·优化实例 | 第56-61页 |
| ·本章小节 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 附录A 基于BP网络的切削力模型验证数据表 | 第67-68页 |
| 攻读硕士学位期间发表学术论文情况 | 第68-69页 |
| 致谢 | 第69-70页 |
| 大连理工大学学位论文版权使用授权书 | 第70页 |
