基于特征数据融合的刀具工况监测研究
| 1 概论 | 第1-19页 |
| ·刀具工况监测技术的发展现状 | 第9-13页 |
| ·刀具工况监测技术的发展历程 | 第9-10页 |
| ·刀具工况监测的方法 | 第10-11页 |
| ·刀具工况监测的系统架构 | 第11页 |
| ·刀具工况监测的发展趋势 | 第11-12页 |
| ·刀具工况监测研究的进展 | 第12-13页 |
| ·刀具工况监测研究的意义 | 第13-14页 |
| ·本文研究内容 | 第14-16页 |
| ·刀具工况的构成 | 第14页 |
| ·本文的主要研究内容 | 第14-16页 |
| ·本研究的主要技术关键 | 第16-18页 |
| ·刀具状态检测信号消噪方法的研究 | 第16页 |
| ·刀具切削状态特征数据的融合研究 | 第16-17页 |
| ·基于改进BP神经网络的刀具状态识别研究 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 2 钻削过程刀具状态信号的检测 | 第19-31页 |
| ·刀具状态信号采集的关键技术研究 | 第19-24页 |
| ·刀具状态信号的A／D转换技术分析 | 第19-21页 |
| ·采样频率的确定 | 第21-22页 |
| ·刀具状态信号采集中的抗混滤波技术 | 第22-23页 |
| ·刀具状态信号采集中的信号调理技术分析 | 第23-24页 |
| ·刀具状态信号检测中所用传感器的选定及标定 | 第24-30页 |
| ·刀具状态监测所用信号的选择原则以及选择结果 | 第24-25页 |
| ·检测刀具状态信号所用传感器的选定 | 第25-26页 |
| ·检测刀具状态信号所用传感器的标定 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 3 刀具状态检测信号的小波消噪研究 | 第31-46页 |
| ·引言 | 第31页 |
| ·小波变换与信号奇异性 | 第31-36页 |
| ·小波变换与小波重构 | 第31-32页 |
| ·信号奇异性的数学描述和Lipschitz指数 | 第32-33页 |
| ·小波变换与Lipschitz奇异性的联系 | 第33-34页 |
| ·信号的正交小波变换 | 第34-36页 |
| ·基于正交小波变换的检测信号的消噪 | 第36-45页 |
| ·刀具状态检测信号所含噪声的小波变换特性 | 第37-38页 |
| ·刀具状态检测信号的小波变换特性 | 第38-40页 |
| ·基于正交小波变换模极大值重构的信号消噪方法 | 第40-42页 |
| ·基于正交小波变换域内系数相关性的自适应消噪方法 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 4 钻削刀具切削状态特征的提取 | 第46-76页 |
| ·引言 | 第46页 |
| ·基于统计分析的钻削刀具状态特征提取 | 第46-56页 |
| ·低阶统计分析提取法 | 第46-50页 |
| ·高阶统计分析提取法 | 第50-56页 |
| ·基于小波分析的刀具状态特征提取 | 第56-68页 |
| ·基于小波基函数的信号分析原理 | 第57-59页 |
| ·刀具切削状态的振动特征提取 | 第59-63页 |
| ·刀具切削状态的轴向力特征提取 | 第63-68页 |
| ·刀具切削状态特征的选择及评价 | 第68-75页 |
| ·刀具切削状态特征的选择 | 第68-69页 |
| ·刀具切削状态特征的评价指标 | 第69页 |
| ·基于神经网络的刀具切削状态特征评价 | 第69-71页 |
| ·基于神经网络的刀具切削状态特征选择 | 第71-73页 |
| ·刀具状态特征数据在状态识别中的验证 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 5 刀具切削状态特征数据的融合研究 | 第76-92页 |
| ·引言 | 第76页 |
| ·基于统计分析的刀具状态特征融合 | 第76-82页 |
| ·刀具切削状态特征统计融合准则的确定 | 第76-77页 |
| ·基于统计分析的特征融合算法 | 第77-81页 |
| ·基于统计分析的特征融合结果 | 第81-82页 |
| ·基于线性主元分析的刀具状态特征融合 | 第82-87页 |
| ·线性主元分析的基本原理 | 第82-83页 |
| ·基于线性主元分析的刀具状态特征融合算法 | 第83-84页 |
| ·利用线性主元分析进行刀具状态特征融合 | 第84-87页 |
| ·基于互信息熵分析的刀具状态特征融合 | 第87-91页 |
| ·基于互信息熵的刀具状态特征融合原理 | 第87-89页 |
| ·基于互信息熵的刀具切削状态特征融合算法 | 第89页 |
| ·利用互信息熵进行刀具切削状态特征融合 | 第89-91页 |
| ·本章小结 | 第91-92页 |
| 6 刀具切削状态识别方法的研究 | 第92-107页 |
| ·引言 | 第92页 |
| ·基于模糊判决的刀具状态识别 | 第92-96页 |
| ·刀具状态模糊判决准则的确定 | 第93-94页 |
| ·用模糊判决方法实现刀具切削状态识别 | 第94-96页 |
| ·基于神经网络的刀具状态识别 | 第96-100页 |
| ·神经网络及其BP算法 | 第96-99页 |
| ·神经网络BP算法的改进 | 第99-100页 |
| ·基于改进BP神经网络的刀具切削状态识别 | 第100页 |
| ·基于分类器融合的刀具状态识别 | 第100-106页 |
| ·分类器融合方法的原理 | 第100-104页 |
| ·基于分类器融合的刀具状态识别 | 第104-106页 |
| ·本章小结 | 第106-107页 |
| 7 结论 | 第107-110页 |
| ·工作总结与研究结论 | 第107-108页 |
| ·发展与展望 | 第108-110页 |
| 致谢 | 第110-111页 |
| 参考文献 | 第111-114页 |
| 攻读硕士学位期间发表的论文及获奖情况 | 第114页 |
