| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·论文选题来源及意义 | 第8-9页 |
| ·论文选题来源 | 第8页 |
| ·论文选题意义 | 第8-9页 |
| ·数控机床伺服系统故障诊断国内外现状及发展趋势 | 第9-11页 |
| ·数控机床故障诊断系统研究国内外现状 | 第9-10页 |
| ·数控机床伺服系统的故障诊断系统发展趋势 | 第10-11页 |
| ·论文的主要研究工作 | 第11-13页 |
| 第二章 数控铣床伺服系统故障机理分析 | 第13-25页 |
| ·数控铣床伺服系统的概述 | 第13-14页 |
| ·数控铣床伺服系统的组成及作用 | 第13页 |
| ·数控铣床伺服系统的工作原理 | 第13-14页 |
| ·数控铣床伺服系统故障分类 | 第14-15页 |
| ·伺服系统故障机理分析 | 第15-24页 |
| ·驱动系统故障机理分析 | 第16-20页 |
| ·传动装置故障机理分析 | 第20-23页 |
| ·检测装置故障机理分析 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 数控铣床伺服系统故障信号采集与处理 | 第25-36页 |
| ·测振传感器的选择 | 第25页 |
| ·振动测点的选取 | 第25-26页 |
| ·基于EEMD信号特征提取 | 第26-35页 |
| ·时域信号处理技术 | 第27页 |
| ·频域信号处理技术 | 第27页 |
| ·时频域信号处理技术 | 第27-29页 |
| ·EEMD自适应消噪 | 第29-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 两级BP神经网络与置信规则库的故障诊断方法 | 第36-47页 |
| ·两级BP神经网络 | 第36-39页 |
| ·BP神经网络 | 第36页 |
| ·基于两级神经网络的数控机床工作台进给系统故障诊断 | 第36-39页 |
| ·基于置信规则库的专家系统 | 第39-40页 |
| ·基于证据推理的置信规则库推理方法 | 第40-42页 |
| ·置信规则库的推理方法 | 第40-42页 |
| ·BRB离线优化模型 | 第42-45页 |
| ·基于混合观测值的优化模型 | 第43-45页 |
| ·基于两级神经网络和置信规则库伺服系统故障诊断 | 第45-46页 |
| ·问题描述 | 第45页 |
| ·置信规则库的建立 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 数控铣床伺服系统故障诊断系统实现及实验验证 | 第47-56页 |
| ·数据采集设备 | 第47-48页 |
| ·加速度传感器的选择 | 第47页 |
| ·数据采集前端 | 第47-48页 |
| ·测量数据的存储 | 第48页 |
| ·故障诊断系统软件设计 | 第48-50页 |
| ·信息处理与运行环境 | 第48-49页 |
| ·故障诊断软件界面设计 | 第49-50页 |
| ·实验对象简介 | 第50-51页 |
| ·故障诊断实验验证 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 结论与展望 | 第56-58页 |
| 1.总结 | 第56页 |
| 2.展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63-89页 |
| 作者简介 | 第89页 |
| 攻读硕士学位期间研究成果 | 第89-90页 |
