| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-20页 |
| ·引言 | 第10页 |
| ·高锰钢切削加工 | 第10-16页 |
| ·高锰钢材料简介 | 第10-13页 |
| ·高锰钢切削加工的研究现状 | 第13页 |
| ·高锰钢钻削力测量研究现状 | 第13-14页 |
| ·高锰钢钻削温度测量研究现状 | 第14-16页 |
| ·人工神经网络研究现状 | 第16-18页 |
| ·人工神经网络的发展 | 第16-17页 |
| ·人工神经网络的应用 | 第17-18页 |
| ·本文研究目的和意义 | 第18页 |
| ·本文主要研究内容 | 第18-20页 |
| 第二章 人工神经网络理论 | 第20-32页 |
| ·人工神经网络概述 | 第20-23页 |
| ·人工神经元 | 第20-21页 |
| ·人工神经网络拓扑结构 | 第21-22页 |
| ·学习规则 | 第22-23页 |
| ·BP神经网络 | 第23-30页 |
| ·BP神经网络算法 | 第23-27页 |
| ·BP神经网络算法的实现 | 第27页 |
| ·改进BP算法 | 第27-29页 |
| ·BP神经网络在高锰钢钻削力和钻削温度预测中的应用 | 第29-30页 |
| ·其它神经网络 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 BP神经网络预测模型建立 | 第32-39页 |
| ·BP神经网络的总体构建 | 第32-35页 |
| ·BP神经网络层数的确定 | 第32页 |
| ·BP神经网络各层节点数的确定 | 第32-34页 |
| ·BP神经网络传递函数的确定 | 第34-35页 |
| ·BP神经网络的模型的确定 | 第35-37页 |
| ·BP神经网络结构的确定 | 第35-36页 |
| ·GUI设计 | 第36页 |
| ·BP神经网络训练算法的确定 | 第36-37页 |
| ·BP神经网络模型的程序 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 高锰钢钻削力和扭矩测量试验 | 第39-51页 |
| ·新型钻头材料的选择 | 第39-41页 |
| ·硬质合金材料性能分析 | 第39-40页 |
| ·硬质合金YL10.2 | 第40-41页 |
| ·新型钻头的结构设计 | 第41-46页 |
| ·工厂钻削高锰钢道岔用钻头 | 第41-42页 |
| ·新型钻头整体结构确定 | 第42页 |
| ·新型钻头切削部分的几何参数确定 | 第42-46页 |
| ·钻削力实验 | 第46-50页 |
| ·实验设备 | 第46-47页 |
| ·实验装备原理图 | 第47-48页 |
| ·实验内容 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 BP神经网络模型的训练验证和仿真 | 第51-61页 |
| ·BP神经网络模型的训练 | 第51-53页 |
| ·BP神经网络数据样本采集 | 第51页 |
| ·BP神经网络数据预处理 | 第51页 |
| ·数据输入 | 第51-53页 |
| ·BP神经网络模型的验证 | 第53-55页 |
| ·验证公式 | 第53页 |
| ·样本选取 | 第53-55页 |
| ·网络的仿真 | 第55页 |
| ·基于BP神经网络的钻削温度预测模型建立 | 第55-60页 |
| ·钻削温度预测模型的参数选择 | 第56页 |
| ·钻削温度预测模型的确定 | 第56-57页 |
| ·高锰钢钻削温度测量实验数据 | 第57页 |
| ·高锰钢钻削温度预测模型的训练、验证和仿真 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 附录A 高锰钢钻削力和扭矩预测模型程序 | 第64-67页 |
| 附录B 高锰钢钻削温度预测模型程序 | 第67-70页 |
| 附录C 高锰钢钻削力和扭矩数据表 | 第70-73页 |
| 攻读硕士学位期间发表的学术论文 | 第73-74页 |
| 致谢 | 第74页 |