模具数控加工切削用量智能化研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-16页 |
| ·课题背景与意义 | 第9-10页 |
| ·模具数控加工国内外研究现状 | 第10-14页 |
| ·模具CAD/CAM 技术概述 | 第10-12页 |
| ·数控技术发展趋势 | 第12页 |
| ·模具加工技术发展趋势 | 第12-13页 |
| ·数控加工参数智能化的研究与发展 | 第13-14页 |
| ·主要研究内容 | 第14-15页 |
| ·研究内容 | 第14-15页 |
| ·研究目的 | 第15页 |
| ·研究的可行性 | 第15-16页 |
| 2 数控铣削加工技术 | 第16-23页 |
| ·数控加工概论 | 第16-17页 |
| ·数控加工原理 | 第16页 |
| ·数控加工过程 | 第16-17页 |
| ·数控加工特点 | 第17页 |
| ·数控技术在模具加工中的重要性 | 第17页 |
| ·金属切削加工基础 | 第17-20页 |
| ·切削加工理论 | 第18-20页 |
| ·数控铣加工的切削参数 | 第20-22页 |
| ·数控铣削加工技术 | 第21-22页 |
| ·人工神经网络在机械制造中的应用 | 第22页 |
| ·小结 | 第22-23页 |
| 3 人工神经网络技术 | 第23-37页 |
| ·人工神经网络概述 | 第23-24页 |
| ·神经网络简史 | 第23-24页 |
| ·神经网络国内外研究现状 | 第24页 |
| ·人工神经网络模型 | 第24-29页 |
| ·生物神经元模型 | 第24-26页 |
| ·人工神经元结构模型 | 第26-27页 |
| ·人工神经网络结构 | 第27-29页 |
| ·神经网络的学习与训练 | 第29-30页 |
| ·神经网络的学习规则 | 第29-30页 |
| ·神经网络学习规则的分类 | 第30页 |
| ·BP 神经网络模型 | 第30-35页 |
| ·BP 网络学习算法 | 第31-33页 |
| ·BP 网络学习步骤 | 第33-34页 |
| ·BP 网络应用领域 | 第34-35页 |
| ·MATLAB 软件概述 | 第35-36页 |
| ·Matlab 简介 | 第35页 |
| ·Matlab 语言特点 | 第35-36页 |
| ·小结 | 第36-37页 |
| 4 基于 BP 网络数控加工切削用量智能化设计 | 第37-52页 |
| ·引言 | 第37-40页 |
| ·Matlab 神经网络工具箱 | 第37-38页 |
| ·切削用量选择对数控加工的重要性 | 第38-39页 |
| ·应用神经网络工具箱的重要性 | 第39页 |
| ·选用BP 网络模型的原因 | 第39-40页 |
| ·切削用量智能化选择模型设计 | 第40-42页 |
| ·BP 神经网络工具箱 | 第40-41页 |
| ·实际生产数据 | 第41-42页 |
| ·建立BP 神经网络模型 | 第42-44页 |
| ·隐层数的选择 | 第42页 |
| ·输入/输出设计 | 第42-43页 |
| ·隐层单元数选择 | 第43-44页 |
| ·初始值选择 | 第44页 |
| ·BP 网络训练 | 第44-49页 |
| ·训练函数对比 | 第44-47页 |
| ·BP 网络训练 | 第47-49页 |
| ·BP 网络性能测试 | 第49-51页 |
| ·小结 | 第51-52页 |
| 5 UG/CAM 模拟仿真及实例验证 | 第52-59页 |
| ·引言 | 第52页 |
| ·UG/MANUFACTURE 仿真加工实例 | 第52-57页 |
| ·BP 网络选择铣削用量 | 第53-55页 |
| ·基于经验选择铣削用量 | 第55-57页 |
| ·模具加工实例 | 第57-58页 |
| ·小结 | 第58-59页 |
| 6 结论与展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第65页 |
