| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 课题来源 | 第11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.3.1 数控机床精度研究现状 | 第11-12页 |
| 1.3.2 数控机床精度保持性研究现状 | 第12-14页 |
| 1.3.3 混沌时间序列预测方法研究现状 | 第14-15页 |
| 1.4 论文研究内容及组织安排 | 第15-18页 |
| 1.4.1 论文研究内容 | 第15-17页 |
| 1.4.2 论文组织安排 | 第17-18页 |
| 2 数控机床运动精度数据获取及分析 | 第18-24页 |
| 2.1 基于球杆仪数控机床运动精度的测量 | 第18-21页 |
| 2.1.1 球杆仪测试原理 | 第18-20页 |
| 2.1.2 数控机床运动精度时间序列的采集 | 第20-21页 |
| 2.2 数据预处理 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 数控机床运动精度相空间重构方法 | 第24-38页 |
| 3.1 混沌理论 | 第24-26页 |
| 3.1.1 混沌的概念 | 第24-25页 |
| 3.1.2 混沌系统特征 | 第25-26页 |
| 3.2 相空间重构理论 | 第26-33页 |
| 3.2.1 单元相空间重构 | 第27页 |
| 3.2.2 多元相空间重构 | 第27-28页 |
| 3.2.3 基于主成分分析的多元相空间重构 | 第28-30页 |
| 3.2.4 相空间重构参数的求解 | 第30-33页 |
| 3.3 重构数控机床运动精度多元相空间 | 第33-37页 |
| 3.3.1 时间延迟和嵌入维数的确定 | 第33-36页 |
| 3.3.2 数控机床运动精度多元相空间的构建 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 基于小波神经网络的运动精度预测模型研究 | 第38-50页 |
| 4.1 小波神经网络 | 第38-41页 |
| 4.1.1 小波神经网络概述 | 第38-39页 |
| 4.1.2 小波神经网络结构 | 第39-40页 |
| 4.1.3 小波神经网络原理 | 第40-41页 |
| 4.2 基于WNN的运动精度预测模型结构分析 | 第41-46页 |
| 4.2.1 小波函数的选择 | 第41-44页 |
| 4.2.2 数控机床运动精度WNN模型输入层的确定 | 第44-45页 |
| 4.2.3 数控机床运动精度WNN模型隐含层的确定 | 第45-46页 |
| 4.3 数控机床运动精度WNN预测模型算法 | 第46-48页 |
| 4.3.1 样本数据归一化处理 | 第46页 |
| 4.3.2 预测模型训练算法 | 第46-48页 |
| 4.4 数控机床运动精度WNN预测模型 | 第48页 |
| 4.5 数控机床运动精度预测误差评价指标 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 5 数控机床运动精度预测模型验证及系统设计 | 第50-64页 |
| 5.1 基于多元-PCA-WNN运动精度预测方法的实现 | 第50-55页 |
| 5.1.1 分析内容 | 第50-51页 |
| 5.1.2 预测方法的实现 | 第51-55页 |
| 5.2 模型比较 | 第55-59页 |
| 5.3 预测系统的软件设计 | 第59-62页 |
| 5.4 本章小结 | 第62-64页 |
| 6 总结与展望 | 第64-66页 |
| 6.1 研究总结 | 第64-65页 |
| 6.2 课题展望 | 第65-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第72-74页 |
| 附录 1 | 第74-81页 |
