| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题来源 | 第11页 |
| 1.2 研究背景及意义 | 第11-12页 |
| 1.3 碳纤维复合材料钻削数据库的研究现状 | 第12-16页 |
| 1.3.1 碳纤维复合材料的研究现状 | 第12-13页 |
| 1.3.2 碳纤维复合材料钻削力和钻削温度研究现状 | 第13-15页 |
| 1.3.3 切削数据库的研究现状 | 第15-16页 |
| 1.4 论文主要研究内容和安排 | 第16-19页 |
| 第二章 碳纤维复合材料钻削数据库系统的总体设计 | 第19-29页 |
| 2.1 需求分析 | 第19-20页 |
| 2.2 功能分析 | 第20-22页 |
| 2.3 数据库管理系统（ DBMS）的选择 | 第22-23页 |
| 2.4 概念设计 | 第23页 |
| 2.5 逻辑设计 | 第23-27页 |
| 2.6 物理设计 | 第27-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第三章 碳纤维复合材料钻削过程参数预测 | 第29-49页 |
| 3.1 钻削力预测 | 第29-30页 |
| 3.2 钻削温度预测 | 第30-31页 |
| 3.3 刀具磨损预测 | 第31页 |
| 3.4 孔壁表面粗糙度预测 | 第31-32页 |
| 3.5 基于多元线性回归的数学模型 | 第32-40页 |
| 3.5.1 回归模型的建立 | 第32-34页 |
| 3.5.2 基于预测模型的钻削力试验验证 | 第34-37页 |
| 3.5.3 基于预测模型的钻削温度试验验证 | 第37-40页 |
| 3.6 基于BP神经网络的预测模型 | 第40-48页 |
| 3.6.1 人工神经网络概述 | 第40页 |
| 3.6.2 人工神经网络的特征及功能 | 第40-41页 |
| 3.6.3 人工神经网络的类型 | 第41-42页 |
| 3.6.4 BP神经网络 | 第42-43页 |
| 3.6.5 基于BP神经网络的试验验证 | 第43-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 碳纤维复合材料钻削参数优化研究 | 第49-61页 |
| 4.1 优化变量的确立 | 第49页 |
| 4.2 目标函数的确立 | 第49-51页 |
| 4.3 约束条件的研究 | 第51-53页 |
| 4.3.1 边界约束条件 | 第51-52页 |
| 4.3.2 约束条件的处理 | 第52-53页 |
| 4.4 优化算法的研究 | 第53-58页 |
| 4.4.1 遗传算法概述 | 第53-55页 |
| 4.4.2 遗传算法的应用 | 第55页 |
| 4.4.3 种群的设定和初始化 | 第55-56页 |
| 4.4.4 适应度函数的确定 | 第56-57页 |
| 4.4.5 遗传算子 | 第57-58页 |
| 4.4.6 遗传算法的控制参数设置 | 第58页 |
| 4.5 优化实例 | 第58-59页 |
| 4.6 本章小结 | 第59-61页 |
| 第五章 系统应用程序的开发 | 第61-71页 |
| 5.1 系统结构 | 第61-62页 |
| 5.2 系统开发环境 | 第62-64页 |
| 5.2.1 应用程序开发工具的选择 | 第62-63页 |
| 5.2.2 C | 第63-64页 |
| 5.3 碳纤维复合材料钻削数据库系统主要界面 | 第64-70页 |
| 5.3.1 登录界面设计 | 第64-66页 |
| 5.3.2 基本信息管理界面 | 第66-68页 |
| 5.3.3 钻削数据预测界面 | 第68-70页 |
| 5.3.4 钻削参数优化界面 | 第70页 |
| 5.4 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 附录A:攻读硕士学位期间发表的研究成果 | 第77页 |