| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-18页 |
| ·课题的研究背景及意义 | 第8-9页 |
| ·深孔加工的特点 | 第9-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·国内外 BTA 钻削表面粗糙度在线预测的研究现状 | 第11-12页 |
| ·人工神经网络的研究现状 | 第12-14页 |
| ·BTA 钻削表面粗糙度预测的意义 | 第14-16页 |
| ·本文主要研究内容 | 第16-18页 |
| 2 BTA 钻削原理 | 第18-29页 |
| ·BTA 深孔钻的产生和发展 | 第18-23页 |
| ·BTA 钻削的工作原理 | 第23-28页 |
| ·BTA 钻的切削用量 | 第28页 |
| ·本章小结 | 第28-29页 |
| 3 BTA 钻削表面粗糙度的影响因素分析 | 第29-45页 |
| ·表面粗糙度的影响因素 | 第29页 |
| ·试验方法的选择—正交实验法 | 第29-33页 |
| ·单因素试验设计 | 第29-31页 |
| ·正交表与正交实验法 | 第31-33页 |
| ·正交实验设计 | 第33页 |
| ·切削参数对表面粗糙度的影响 | 第33-39页 |
| ·切削参数的单因素变化对表面粗糙度的影响 | 第33-35页 |
| ·影响表面粗糙度变化的显著性因素 | 第35-39页 |
| ·切削参数对轴向力的影响 | 第39-43页 |
| ·切削参数对轴向力和表面粗糙度的影响分析结果 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 4 基于人工神经网络 BTA 钻削表面粗糙度的预测模型 | 第45-70页 |
| ·人工神经网络的理论基础 | 第45-51页 |
| ·BP 神经网络 BTA 钻削表面粗糙度的预测模型及基本原理 | 第51-56页 |
| ·BP 网络结构 | 第51-52页 |
| ·BP 网络学习原理 | 第52-56页 |
| ·BP 网络 BTA 钻削表面粗糙度预测模型的总体结构构建 | 第56-59页 |
| ·确定 BP 神经网络的层数 | 第56页 |
| ·确定网络模型各层的节点数 | 第56-58页 |
| ·选取 BP 神经网络的激活函数 | 第58页 |
| ·BP 网络的不足及改进 | 第58-59页 |
| ·BP 神经网络 BTA 钻削表面粗糙度预测模型的训练 | 第59-63页 |
| ·采集训练 BP 神经网络模型的 BTA 钻削样本数据 | 第59页 |
| ·BTA 钻削数据的预处理 | 第59-60页 |
| ·训练预测 BTA 钻削表面粗糙度的网络 | 第60-63页 |
| ·确定 BP 神经网络 BTA 钻削表面粗糙度的预测模型及数据处理 | 第63-68页 |
| ·确定 BP 神经网络预测模型 | 第63-66页 |
| ·BP 神经网络预测以及误差计算 | 第66-68页 |
| ·网络模型的验证 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 5 总结与展望 | 第70-72页 |
| ·总结 | 第70-71页 |
| ·展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第76-77页 |
| 致谢 | 第77-78页 |
