RBF神经网络在三维断屑槽的断屑范围预测中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 1 绪论 | 第7-21页 |
| ·课题来源 | 第7页 |
| ·课题研究的目的和意义 | 第7-9页 |
| ·国内外概况及发展动态 | 第9-20页 |
| ·本文的主要内容 | 第20-21页 |
| 2 人工神经网络结构及学习方法的研究 | 第21-33页 |
| ·引言 | 第21-22页 |
| ·RBF 网络的结构 | 第22-24页 |
| ·RBF 网络的分类 | 第24-25页 |
| ·RBF 网络的学习算法 | 第25-30页 |
| ·最近邻聚类学习算法 | 第30-33页 |
| 3 断屑槽型的特征参数的分析及选择 | 第33-47页 |
| ·特征选择与提取的基本概念 | 第33-34页 |
| ·切削条件变化对切屑变形和折断的影响 | 第34-36页 |
| ·槽型特征参数对切屑折断的影响 | 第36-41页 |
| ·本文所采用的特征选择的方法 | 第41-43页 |
| ·特征提取方法的讨论 | 第43-45页 |
| ·小结 | 第45-47页 |
| 4 三维断屑槽刀片断屑性能的试验研究 | 第47-56页 |
| ·三维断屑槽刀片断屑性能研究的试验方案 | 第47-48页 |
| ·刀片切屑性能的考察 | 第48-55页 |
| ·小结 | 第55-56页 |
| 5 RBF 神经网络的研究和实现 | 第56-64页 |
| ·神经网络方法的优点 | 第56-57页 |
| ·基于RBF 神经网络模型的断屑预测 | 第57-62页 |
| ·神经网络模型的讨论 | 第62-64页 |
| 6 总结和展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录1 攻读学位期间发表学术论文目录 | 第70页 |