| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 概述 | 第9-11页 |
| 1.1.1 刀具钝化技术 | 第10-11页 |
| 1.1.2 刀具钝化技术的发展趋势 | 第11页 |
| 1.2 微磨料水射流技术及应用 | 第11-13页 |
| 1.2.1 微磨料水射流技术在光整加工中的应用 | 第12页 |
| 1.2.2 微磨料水射流光整加工的优缺点 | 第12-13页 |
| 1.3 基于微磨料水射流的刀具刃口钝化技术 | 第13页 |
| 1.4 本课题研究目的意义和主要研究内容 | 第13-16页 |
| 1.4.1 本课题研究目的意义 | 第13-15页 |
| 1.4.2 问题的提出和主要研究内容 | 第15-16页 |
| 2 基于微磨料水射流钝化的刀具刃口钝化理论研究 | 第16-28页 |
| 2.1 非淹没连续射流基本原理 | 第16-17页 |
| 2.2 水射流主要参数 | 第17-19页 |
| 2.3 微磨料水射流钝化机理研究 | 第19-27页 |
| 2.3.1 微磨料水射流破除材料的机理分析 | 第19-20页 |
| 2.3.2 微磨料水射流切割特性 | 第20-24页 |
| 2.3.3 微磨料水射流钝化刀片刃口过程 | 第24-25页 |
| 2.3.4 刃口钝化主要指标 | 第25-27页 |
| 2.3.5 微磨料水射流主要加工参数对钝化效果的影响 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 基于微磨料水射流技术的刀具刃口钝化实验研究 | 第28-42页 |
| 3.1 实验目的 | 第28页 |
| 3.2 实验设备 | 第28-31页 |
| 3.2.1 HJ300-0503 型微磨料水射流机床 | 第28-30页 |
| 3.2.2 微磨料水射流钝化刀具的磨料输送装置 | 第30-31页 |
| 3.2.3 切割头单元 | 第31页 |
| 3.3 测量设备 | 第31-33页 |
| 3.4 实验设计 | 第33-36页 |
| 3.4.1 正交实验设计方法 | 第33-34页 |
| 3.4.2 实验因素及正交表的选择 | 第34-36页 |
| 3.5 钝化实验的实施 | 第36-37页 |
| 3.6 钝化实验结果 | 第37-41页 |
| 3.7 本章小结 | 第41-42页 |
| 4 基于人工神经网络的刀具钝化预测模型 | 第42-56页 |
| 4.1 人工神经网络 | 第42-47页 |
| 4.1.1 神经网络的发展 | 第42-44页 |
| 4.1.2 人工神经网络的特点 | 第44-45页 |
| 4.1.3 人工神经网络数学模型 | 第45-47页 |
| 4.1.4 常用的人工神经网络模型 | 第47页 |
| 4.2 BP神经网络 | 第47-49页 |
| 4.2.1 BP神经网络结构 | 第47-48页 |
| 4.2.2 误差反向传播流程 | 第48-49页 |
| 4.3 基于BP神经网络的微磨料水射流刀具钝化模型设计 | 第49-51页 |
| 4.3.1 问题的描述 | 第49页 |
| 4.3.2 微磨料水射流刀具钝化BP神经网络参数的确定 | 第49-51页 |
| 4.4 基于微磨料水射流刀具钝化神经网络模型的算法 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 基于MATLAB的微磨料水射流刀具钝化BP神经网络模型训练 | 第56-62页 |
| 5.1 MATLAB神经网络工具箱简介 | 第56页 |
| 5.2 基于MATLAB的微磨料水射流刀具钝化BP网络模型实现 | 第56-60页 |
| 5.3 微磨料水射流刀具钝化BP网络模型的应用及误差分析 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 6 结论及建议 | 第62-64页 |
| 6.1 结论 | 第62-63页 |
| 6.2 建议 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第66-67页 |
| 致谢 | 第67-68页 |
