| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 刀具监测方法简介 | 第12-16页 |
| 1.2.1 直接监测法 | 第13-14页 |
| 1.2.2 间接监测法 | 第14-16页 |
| 1.3 刀具状态监测技术研究现状 | 第16-21页 |
| 1.3.1 国内外研究现状及成果 | 第16-20页 |
| 1.3.2 现有监测技术存在的主要问题 | 第20-21页 |
| 1.3.3 刀具监测技术的发展方向与前景 | 第21页 |
| 1.4 主要研究内容与方法 | 第21-22页 |
| 1.5 本章小结 | 第22-23页 |
| 第二章 刀具状态监测试验系统设计 | 第23-33页 |
| 2.1 总体方案设计 | 第23-24页 |
| 2.2 硬件系统设计 | 第24-29页 |
| 2.2.1 传感器选型 | 第25-28页 |
| 2.2.2 数据采集卡选型 | 第28-29页 |
| 2.2.3 计算机选型 | 第29页 |
| 2.3 软件系统设计 | 第29-32页 |
| 2.3.1 基于LabVIEW的信号分析处理软件 | 第29-31页 |
| 2.3.2 切削力采集软件 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 刀具磨损状态与切削音频信号、切削力信号的相关性实验研究 | 第33-53页 |
| 3.1 刀具失效形式及磨钝标准 | 第33-36页 |
| 3.1.1 刀具的磨损 | 第33-34页 |
| 3.1.2 刀具磨钝标准 | 第34-36页 |
| 3.2 实验方案设计 | 第36-41页 |
| 3.2.1 实验设备及工件 | 第38-40页 |
| 3.2.2 实验方法设计 | 第40-41页 |
| 3.2.3 实验操作步骤 | 第41页 |
| 3.3 刀具磨损与切削音频信号的相关性分析 | 第41-50页 |
| 3.3.1 信号分析方法 | 第42-44页 |
| 3.3.2 环境噪声的分离 | 第44-45页 |
| 3.3.3 时域特征分析 | 第45-48页 |
| 3.3.4 频域特征分析 | 第48-50页 |
| 3.4 刀具磨损与切削力信号的相关性分析 | 第50-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 刀具磨损特征信号分析研究 | 第53-68页 |
| 4.1 小波变换的基本原理 | 第53-60页 |
| 4.1.1 小波变换 | 第53-55页 |
| 4.1.2 连续小波变换 | 第55-56页 |
| 4.1.3 离散小波变换 | 第56-57页 |
| 4.1.4 二进小波变换 | 第57-58页 |
| 4.1.5 多分辨率分析 | 第58-60页 |
| 4.2 切削音频信号的特征提取 | 第60-67页 |
| 4.2.1 切削音频信号的小波分解 | 第61-64页 |
| 4.2.2 切削音频信号的特征提取 | 第64-67页 |
| 4.3 本章小结 | 第67-68页 |
| 第五章 基于神经网络的刀具状态识别研究 | 第68-80页 |
| 5.1 多传感器信息融合技术 | 第68-69页 |
| 5.2 人工神经网络 | 第69-71页 |
| 5.2.1 神经元结构模型 | 第69-70页 |
| 5.2.2 BP神经网络 | 第70-71页 |
| 5.3 基于BP神经网络的刀具磨损状态识别 | 第71-78页 |
| 5.3.1 识别神经网络的建立 | 第73-74页 |
| 5.3.2 识别神经网络的训练仿真 | 第74-77页 |
| 5.3.3 神经网络识别结果的标准化 | 第77-78页 |
| 5.4 本章小结 | 第78-80页 |
| 第六章 结论与展望 | 第80-82页 |
| 6.1 主要结论 | 第80-81页 |
| 6.2 研究展望 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 | 第87-88页 |
| 致谢 | 第88-89页 |