基于BP神经网络和遗传算法对工程陶瓷磨削力建模的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-19页 |
| ·引言 | 第8页 |
| ·工程陶瓷概述 | 第8-11页 |
| ·工程陶瓷性能 | 第8-9页 |
| ·工程陶瓷的种类与应用 | 第9-10页 |
| ·工程陶瓷加工技术 | 第10页 |
| ·工程陶瓷磨削加工特点 | 第10-11页 |
| ·工程陶瓷磨削力 | 第11-17页 |
| ·工程陶瓷的磨削机理 | 第12-14页 |
| ·工程陶瓷磨削力的产生和测量方法 | 第14-15页 |
| ·磨削力的研究现状 | 第15-17页 |
| ·课题研究的意义和内容 | 第17-19页 |
| ·研究课题的意义 | 第17页 |
| ·本课题研究内容 | 第17-19页 |
| 第二章 磨削力的实验研究 | 第19-27页 |
| ·工程陶瓷磨削力实验 | 第19-21页 |
| ·陶瓷材料磨削实验原理图和实验设备 | 第19-20页 |
| ·实验材料 | 第20页 |
| ·磨削力数据采集和信号处理 | 第20-21页 |
| ·磨削力实验方案和数据数据 | 第21-26页 |
| ·实验方案的设计 | 第22页 |
| ·实验数据 | 第22-26页 |
| ·小结 | 第26-27页 |
| 第三章 基于人工神经网络的工程陶瓷磨削力建模 | 第27-39页 |
| ·BP神经网络模型 | 第27-31页 |
| ·BP神经网络结构 | 第27-28页 |
| ·BP神经网络原理 | 第28页 |
| ·BP算法的数学推导 | 第28-30页 |
| ·BP神经元结构 | 第30-31页 |
| ·磨削力BP神经网络建模 | 第31-33页 |
| ·BP神经网络的初始化 | 第31页 |
| ·BP神经网络的创建 | 第31-32页 |
| ·参数设计 | 第32-33页 |
| ·BP算法的计算步骤和流程图 | 第33-35页 |
| ·BP算法的计算步骤 | 第33-34页 |
| ·BP算法流程图 | 第34-35页 |
| ·BP网络的仿真模型 | 第35-38页 |
| ·BP仿真程序及误差图形 | 第35-36页 |
| ·仿真数据 | 第36-38页 |
| ·小结 | 第38-39页 |
| 第四章 基于遗传算法的工程陶瓷磨削力建模 | 第39-50页 |
| ·遗传算法原理和特点 | 第39-40页 |
| ·遗传算法基本原理 | 第39-40页 |
| ·遗传算法的优点 | 第40页 |
| ·串的编码方式 | 第40-41页 |
| ·适应函数 | 第41页 |
| ·遗传算子 | 第41-43页 |
| ·选择算子 | 第41-42页 |
| ·交叉算子 | 第42页 |
| ·变异算子 | 第42-43页 |
| ·磨削力预测模型的建立 | 第43-45页 |
| ·参数设计 | 第43-44页 |
| ·遗传算法的步骤和流程图 | 第44-45页 |
| ·遗传算法的预测程序和模型 | 第45-49页 |
| ·三因素的遗传算法程序 | 第46页 |
| ·遗传算法磨削力预测模型 | 第46-47页 |
| ·遗传算法的仿真数值 | 第47-49页 |
| ·小结 | 第49-50页 |
| 第五章 磨削力预测数据分析 | 第50-67页 |
| ·仿真数据分析 | 第50-63页 |
| ·BP仿真数据分析 | 第50-54页 |
| ·GA仿真数据分析 | 第54-58页 |
| ·BP仿真结果与GA预测结果的分析 | 第58-63页 |
| ·影响磨削力的因素 | 第63-66页 |
| ·砂轮速度 | 第63-64页 |
| ·工作台速度 | 第64页 |
| ·磨削深度 | 第64-65页 |
| ·砂轮粒度 | 第65-66页 |
| ·陶瓷材料脆性 | 第66页 |
| ·小结 | 第66-67页 |
| 第六章 结论及展望 | 第67-69页 |
| ·结论 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 发表论文和科研情况说明 | 第72-73页 |
| 致谢 | 第73页 |
