| 【中文题名】 | 神经网络在金属切削刀具中的应用研究 |
| 【英文题名】 | The Application and Research of NN in the Metal Cutting Tools |
| 【学科专业】 | 机械制造及其自动化 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-13 |
| 【中关键词】 | 神经网络,金属切削刀具,刃形设计,非线性模拟,螺旋槽, |
| 【英关键词】 | neural network,metal cutting tools,profile design,nonlinear simulation,spiral groove, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
本文主要介绍了金属切削刀具精确设计原理和容屑槽形设计的一些基本理论，以及运用人工神经网络精确模拟刀具切削刃形及螺旋面槽形。金属切削加工是现代机械制造工业中所占比重最大、用途最广和最基本的加工方法，而刀具切削刃形及容屑槽形的精确设计是金属切削刀具设计的基础，对于其切削性能和产品的加工质量具有决定性的影响。刀具的精确设计与正确使用能大幅度提高产品的加工精度，提高机械加工的效率，降低加工成本。
人工神经网络是模仿人脑神经系统结构的一种新型建模工具，其非线性映射动态系统是由大量处理单元组成，使它具有很强的模拟现实复杂系统的输入输出关系的能力，其主要特点是人工神经网络具有大规模并行处理能力，自组织、自适应和很强的泛化、学习、容错和抗干扰能力，所有这些特点都是处理机械工程领域各种不同建模所必备的特性。特别是人工神经网络在机械设计、机械制造工艺及设备中的运用，使得机械设计与制造在新的理论领域里又有了进一步的开拓与发展。
本文利用人工神经网络的非线性映射能力，采用Levenberg-Marquardt反向传播算法，拟合刀具刃形离散坐标点以达到高精度设计刀具切削刃形的目的。并且利用BP神经网络建立螺旋... |
| 【论文题纲】 |
|
摘要 |
7-8 |
|
Abstract |
8-9 |
|
插图索引 |
9-11 |
|
附表索引 |
11-12 |
|
第1章 绪论 |
12-19 |
|
1.1 课题的研究背景 |
12-13 |
|
1.2 金属切削刀具国内外研究状况及发展趋势 |
13-15 |
|
1.3 人工神经网络的发展与应用 |
15-16 |
|
1.4 课题的研究内容 |
16-17 |
|
1.5 课题的研究意义 |
17-19 |
|
第2章 成形铣刀设计理论 |
19-27 |
|
2.1 成形铣刀齿形设计 |
19-21 |
|
2.1.1 刀具切削角度的选择 |
19-20 |
|
2.1.2 成形铣刀带前角时刃形的修正 |
20-21 |
|
2.2 成形铣刀刃形拟合计算 |
21-26 |
|
2.2.1 多项式插值方法 |
22-23 |
|
2.2.2 多项式拟合方法 |
23-26 |
|
2.3 小结 |
26-27 |
|
第3章 人工神经网络 |
27-35 |
|
3.1 人工神经网络简介 |
27 |
|
3.2 人工神经网络模式 |
27-30 |
|
3.2.1 人工神经元的结构模式 |
27-28 |
|
3.2.2 人工神经网络的主要类型 |
28-30 |
|
3.3 BP神经网络及学习算法 |
30-33 |
|
3.4 运用MATLAB工具箱进行神经网络设计 |
33-34 |
|
3.4.1 MATLAB语言 |
33 |
|
3.4.2 神经网络设计基础 |
33-34 |
|
3.5 小结 |
34-35 |
|
第4章 应用神经网络设计成形铣刀 |
35-53 |
|
4.1 神经网络结构模型建立 |
35 |
|
4.1.1 输入层和输出层设计 |
35 |
|
4.1.2 隐层数及隐层结点数设计 |
35 |
|
4.2 应用神经网络设计铲齿成形铣刀齿形 |
35-37 |
|
4.3 应用神经网络设计铲齿成形铣刀齿数 |
37-41 |
|
4.3.1 根据刀体强度确定铣刀最小齿数 |
37-38 |
|
4.3.2 根据刀齿磨光部分长度确定铣刀齿数 |
38 |
|
4.3.3 根据刀齿强度确定铣刀齿数 |
38-39 |
|
4.3.4 应用神经网络确定铣刀齿数 |
39-41 |
|
4.4 应用神经网络设计铲齿成形铣刀 |
41-42 |
|
4.5 应用实例 |
42-52 |
|
4.5.1 应用多项式设计铲齿成形铣刀齿形实例 |
43-47 |
|
4.5.2 应用BP网络设计铲齿成形铣刀齿形实例 |
47-49 |
|
4.5.3 应用BP网络设计铲齿成形铣刀实例 |
49-52 |
|
4.6 小结 |
52-53 |
|
第5章 神经网络在加工螺旋面中的应用 |
53-79 |
|
5.1 金属切削刀具容屑槽廓形精确设计 |
53-58 |
|
5.1.1 丝锥容屑槽的廓形设计 |
54-55 |
|
5.1.2 丝锥通用槽形的设计 |
55-56 |
|
5.1.3 丝锥改进槽形的设计 |
56-58 |
|
5.2 根据工件螺旋槽端面槽形利用神经网络拟合刀具刃形 |
58-72 |
|
5.2.1 已知螺旋槽形时求解刀具刃形 |
58-60 |
|
5.2.2 利用神经网络拟合铣螺旋面刀具刃形 |
60-63 |
|
5.2.3 神经网络拟合铣刀刃形实例 |
63-72 |
|
5.3 根据刀具刃形利用神经网络拟合加工的螺旋槽形 |
72-78 |
|
5.3.1 已知刀具刃形求解其加工出的螺旋槽形 |
72-73 |
|
5.3.2 利用神经网络拟合工件螺旋面截形 |
73-74 |
|
5.3.3 神经网络拟合螺旋槽形实例 |
74-78 |
|
5.4 小结 |
78-79 |
|
总结与展望 |
79-81 |
|
参考文献 |
81-85 |
|
致谢 |
85-86 |
|
附录A 攻读硕士学位期间所发表的学术论文 |
86 |
|
| 【DOI】 | LunWen.ID:2.2008.388625 |
