| 独创性声明 | 第1页 |
| 论文使用授权的说明 | 第4-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| ·引言 | 第9页 |
| ·振动攻丝技术国内外研究现状 | 第9-12页 |
| ·振动攻丝技术国外研究现状 | 第9-10页 |
| ·振动攻丝技术国内研究现状 | 第10-12页 |
| ·振动攻丝参数匹配的研究意义及其可行性 | 第12-13页 |
| ·本课题研究的主要内容和关键技术 | 第13-14页 |
| 第二章 人工神经网络技术 | 第14-26页 |
| ·人工神经网络基本理论 | 第14-17页 |
| ·人工神经网络简介 | 第14页 |
| ·人工神经网络的特点 | 第14-15页 |
| ·人工神经网络的分类 | 第15-16页 |
| ·根据神经元之间的连接方式可分为两种类型 | 第15页 |
| ·根据网络内部信息传递方向可分为两种类型 | 第15页 |
| ·根据学习方式可分为三种类型 | 第15-16页 |
| ·神经网络的学习规则 | 第16-17页 |
| ·BP神经网络理论 | 第17-22页 |
| ·BP网络简介 | 第17-18页 |
| ·BP网络参数的设定 | 第18-19页 |
| ·BP神经网络的学习算法 | 第19-21页 |
| ·BP算法存在的问题及改进 | 第21-22页 |
| ·BP算法存在的问题 | 第21页 |
| ·原因分析 | 第21页 |
| ·BP算法改进 | 第21-22页 |
| ·人工神经网络的泛化能力 | 第22-26页 |
| ·样本的选择和处理 | 第23-24页 |
| ·样本的选择 | 第23页 |
| ·样本的预处理 | 第23-24页 |
| ·训练集的选择 | 第24页 |
| ·隐层神经元个数的确定 | 第24-25页 |
| ·初始权值的选择 | 第25-26页 |
| 第三章 低频振动攻丝实验及数据分析 | 第26-38页 |
| ·控制与数据采集系统的硬件设施 | 第26-28页 |
| ·步进电机及其驱动器 | 第26-28页 |
| ·步进电机及其技术参数 | 第26页 |
| ·步进电机驱动器 | 第26-28页 |
| ·扭矩传感器 | 第28页 |
| ·控制与数据采集系统的软件 | 第28页 |
| ·振动攻丝实验条件的确定 | 第28-32页 |
| ·实验方法 | 第28-29页 |
| ·振动攻丝实验材料的选择 | 第29-30页 |
| ·确定实验参数 | 第30-31页 |
| ·振动攻丝实验参数范围的确定 | 第31页 |
| ·振动攻丝实验式样的准备 | 第31-32页 |
| ·润滑方式的确定 | 第32页 |
| ·振动攻丝实验数据及其分析 | 第32-38页 |
| ·正反转比例参数对振动攻丝扭矩的影响 | 第32-34页 |
| ·切削速度参数对振动攻丝扭矩的影响 | 第34-35页 |
| ·振动频率参数对振动攻丝扭矩的影响 | 第35-38页 |
| 第四章 基于BP神经网络的振动攻丝参数匹配数据库设计 | 第38-52页 |
| ·数据库概述 | 第38页 |
| ·数据库系统的开发环境和编程语言 | 第38-40页 |
| ·振动攻丝参数匹配数据库系统的总体设计 | 第40-41页 |
| ·振动攻丝参数匹配数据库系统的功能模块的构建 | 第41-43页 |
| ·查询模块 | 第41-42页 |
| ·预测模块 | 第42-43页 |
| ·预测攻丝扭矩值模块的实现 | 第43-52页 |
| ·振动攻丝扭矩预测模型的建立 | 第43-49页 |
| ·MATLAB的简介 | 第43-44页 |
| ·MATLAB神经网络工具箱 | 第44页 |
| ·MATLAB实现BP算法的基本步骤 | 第44-45页 |
| ·基于BP网络的扭矩值预测模型的分析与建立 | 第45-47页 |
| ·BP网络模型应用于扭矩预测的仿真结果 | 第47-49页 |
| ·Delphi应用程序与MATLAB应用程序之间的数据交换技术 | 第49-52页 |
| ·Delphi应用程序向MATLAB传递数据的实现 | 第49-50页 |
| ·MATLAB接受Delphi应用程序数据并进行扭矩预测的实现 | 第50-51页 |
| ·MATLAB向Delphi应用程序传递数据的实现 | 第51-52页 |
| 第五章 结论 | 第52-54页 |
| ·总结 | 第52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |
