| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-17页 |
| ·PCD 刀具 | 第8-11页 |
| ·PCD 材料发展 | 第8-9页 |
| ·PCD 刀具制造技术 | 第9-11页 |
| ·PCD 刀具的应用 | 第11页 |
| ·PCD 刀具刃磨研究 | 第11-16页 |
| ·PCD 刀具刃磨机理 | 第11-12页 |
| ·PCD 刀具后刀面及刃口质量对已加工表面质量的影响 | 第12-13页 |
| ·PCD 刀具刃磨工艺 | 第13-16页 |
| ·本课题的主要研究工作 | 第16-17页 |
| 2 PCD 刀具刃磨试验设计 | 第17-29页 |
| ·试验设计方法 | 第17-20页 |
| ·试验设计方法分类 | 第17-19页 |
| ·试验设计方法选择 | 第19-20页 |
| ·基于均匀设计法的试验设计方案 | 第20-24页 |
| ·试验指标 | 第20页 |
| ·试验因素及水平选择 | 第20-23页 |
| ·试验方案 | 第23-24页 |
| ·试验指标检测 | 第24-28页 |
| ·磨削深度、刃口锯齿度及刃口圆弧半径 | 第24-26页 |
| ·后刀面表面粗糙度 | 第26-28页 |
| ·试验结果 | 第28-29页 |
| 3 试验数据分析 | 第29-47页 |
| ·均匀设计软件简介 | 第29-31页 |
| ·试验数据的回归分析 | 第31-39页 |
| ·回归方程的建立 | 第31-32页 |
| ·方差分析（F 检验） | 第32-35页 |
| ·残差分析 | 第35-39页 |
| ·试验数据的描述性分析 | 第39-46页 |
| ·曲线图 | 第39-45页 |
| ·立体图 | 第45-46页 |
| ·本章总结 | 第46-47页 |
| 4 基于 MATLAB 的单工艺目标优化 | 第47-54页 |
| ·MATLAB 简介 | 第47-48页 |
| ·MATLAB 工具箱 | 第48页 |
| ·基于 MATLAB 的单目标优化过程 | 第48-53页 |
| ·软件界面 | 第48-49页 |
| ·优化程序编写及结果 | 第49-53页 |
| ·本章总结 | 第53-54页 |
| 5 基于 BP 神经网络算法的预测模型 | 第54-61页 |
| ·BP 神经网络简介 | 第54-55页 |
| ·BP 神经元及网络模型 | 第54-55页 |
| ·BP 网络学习及算法 | 第55页 |
| ·变梯度算法（CGBP） | 第55页 |
| ·基于 BP 神经网络和 MATLAB 的预测模型 | 第55-60页 |
| ·选取网络结构和样本数据 | 第55-56页 |
| ·基于 MATLAB 神经网络模块建模 | 第56-60页 |
| ·本章总结 | 第60-61页 |
| 6 基于 BP 神经网络的多工艺目标优化 | 第61-68页 |
| ·多目标优化概述 | 第61-63页 |
| ·多目标优化数学模型 | 第61-62页 |
| ·Pareto 相关概念 | 第62-63页 |
| ·基于 BP 神经网络多目标优化 | 第63-67页 |
| ·构建磨削加工神经网络数学概念模型 | 第63-64页 |
| ·运用 BP 神经网络对磨削模型优化 | 第64-67页 |
| ·本章总结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 附录 Y2--Y5的 MATLAB 程序代码 | 第71-77页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第77-78页 |
| 致谢 | 第78-79页 |