| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-11页 |
| 1 绪论 | 第11-22页 |
| ·课题概述 | 第11-12页 |
| ·课题来源 | 第11页 |
| ·课题的提出 | 第11-12页 |
| ·本课题研究的目的和意义 | 第12页 |
| ·刀具状态监控技术研究现状 | 第12-18页 |
| ·刀具状态检测技术的分类 | 第14-15页 |
| ·基于声发射信号刀具监控技术研究现状 | 第15-17页 |
| ·国外刀具监控技术的研究现状 | 第15-16页 |
| ·国内刀具监控技术的研究现状 | 第16-17页 |
| ·基于小波分析刀具监控技术研究现状 | 第17页 |
| ·基于神经网络刀具识别技术研究现状 | 第17-18页 |
| ·刀具失效及标准 | 第18-20页 |
| ·刀具磨损 | 第18-20页 |
| ·刀具破损 | 第20页 |
| ·本文研究的主要内容 | 第20-22页 |
| 2 建立刀具磨损的在线检测系统 | 第22-33页 |
| ·基于声发射原理的刀具状态监控系统的组成 | 第22页 |
| ·试验目的 | 第22-23页 |
| ·组建实验系统 | 第23-32页 |
| ·系统硬件组成 | 第25-28页 |
| ·试验机床 | 第25页 |
| ·加工工件和加工刀具 | 第25-26页 |
| ·声发射传感器 | 第26页 |
| ·数据采集卡 | 第26-27页 |
| ·计算机 | 第27-28页 |
| ·测量工具 | 第28页 |
| ·硬件系统的搭建 | 第28-29页 |
| ·软件系统 | 第29-32页 |
| ·确定其它加工参数 | 第32页 |
| ·本章小结 | 第32-33页 |
| 3 声发射信号的时域和频域分析 | 第33-45页 |
| ·时域分析方法 | 第33-34页 |
| ·频域分析方法 | 第34-35页 |
| ·实验数据分析 | 第35-44页 |
| ·声发射信号时域特征分析 | 第35-38页 |
| ·声发射信号频域特征分析 | 第38-42页 |
| ·各个磨损阶段的初步判别 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 4 切削参数对AE信号影响分析 | 第45-57页 |
| ·确定影响因子进给速率f对AE信号的影响 | 第45-49页 |
| ·确定影响因子切削深度a_p对AE信号的影响 | 第49-53页 |
| ·主轴转速n对AE信号的影响 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 5 基于小波分析和神经网络对AE信号的研究 | 第57-77页 |
| ·小波变换的基本原理 | 第57-61页 |
| ·小波变换 | 第57-58页 |
| ·连续小波变换 | 第58页 |
| ·离散小波变换 | 第58-59页 |
| ·多分辨率分析 | 第59-61页 |
| ·小波基的选取 | 第61页 |
| ·基于多分辨率小波分解的AE信号特征提取 | 第61-66页 |
| ·声发射信号频率段的能量的求法 | 第61-62页 |
| ·声发射信号的小波分解 | 第62-65页 |
| ·声发射信号特征提取 | 第65页 |
| ·求各个区间的能量 | 第65-66页 |
| ·基于神经网络的刀具磨损状态识别 | 第66-67页 |
| ·模式识别的过程及常用方法 | 第66-67页 |
| ·人工神经网络的基本概念及其性质 | 第67页 |
| ·人工神经元模型 | 第67页 |
| ·RBF神经网络 | 第67-70页 |
| ·RBF网络的结构及原理 | 第67-68页 |
| ·RBF网络学习过程 | 第68-70页 |
| ·基于径向基函数的刀具状态识别 | 第70-74页 |
| ·识别神经网络的建立 | 第71-73页 |
| ·RBF网络测试 | 第73-74页 |
| ·LabVIEW与Matlab混合编程实现状态显示 | 第74-76页 |
| ·使用MATLAB Script节点 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 6 总结与展望 | 第77-79页 |
| ·本文的主要结论 | 第77页 |
| ·展望 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 致谢 | 第82-83页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第83页 |