| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第8-17页 |
| 1.1 课题研究来源、背景及意义 | 第8-9页 |
| 1.1.1 课题来源 | 第8页 |
| 1.1.2 课题背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-16页 |
| 1.2.1 颤振机理与模型的研究 | 第9-10页 |
| 1.2.2 传感信号及传感器的选择 | 第10页 |
| 1.2.3 切削颤振的特征量提取 | 第10-13页 |
| 1.2.4 切削颤振监测与预报 | 第13-16页 |
| 1.3 论文研究的主要内容 | 第16-17页 |
| 2 再生型车削颤振动力学建模及稳定性分析 | 第17-27页 |
| 2.1 再生型车削颤振物理模型 | 第17-22页 |
| 2.1.1 主轴转速与切削深度的关系 | 第18-21页 |
| 2.1.2 稳定性叶瓣图 | 第21-22页 |
| 2.2 再生型车削颤振稳定性分析 | 第22-26页 |
| 2.3 本章小结 | 第26-27页 |
| 3 再生型车削颤振监测系统设计 | 第27-35页 |
| 3.1 颤振监测系统设计 | 第27-28页 |
| 3.2 传感器信号的选取 | 第28-29页 |
| 3.3 系统器件选型 | 第29-31页 |
| 3.4 颤振监测实验方案 | 第31-32页 |
| 3.4.1 实验条件 | 第31页 |
| 3.4.2 车削颤振信号的捕捉 | 第31-32页 |
| 3.5 颤振信号的初步分析 | 第32-34页 |
| 3.6 本章小结 | 第34-35页 |
| 4 基于时域信号的车削颤振预报 | 第35-49页 |
| 4.1 基于Lempel-Ziv复杂度的车削颤振预报 | 第35-39页 |
| 4.1.1 Lempel-Ziv复杂度原理及算法 | 第35-37页 |
| 4.1.2 车削颤振特征提取及预报 | 第37-39页 |
| 4.2 基于Elman神经网络的车削颤振预报 | 第39-48页 |
| 4.2.1 Elman神经网络 | 第39-40页 |
| 4.2.2 Elman神经网络颤振预报模型的建立 | 第40-44页 |
| 4.2.3 车削颤振判别函数的构建 | 第44-46页 |
| 4.2.4 车削颤振在线识别与验证 | 第46-48页 |
| 4.3 两种方法对比 | 第48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 时频域内EMD分解及HHT变换的车削颤振预报 | 第49-65页 |
| 5.1 经验模态分解方法(EMD) | 第49-50页 |
| 5.2 希尔伯特-黄变换（HHT）时频分析方法 | 第50-51页 |
| 5.3 经验模态分解(EMD)方法仿真验证 | 第51-54页 |
| 5.4 车削颤振的EMD分解 | 第54-62页 |
| 5.5 基于EMD-HHT变换的车削颤振的征兆分析 | 第62-63页 |
| 5.6 本章小结 | 第63-65页 |
| 6 结论与展望 | 第65-67页 |
| 6.1 全文总结 | 第65-66页 |
| 6.2 创新点 | 第66页 |
| 6.3 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 在学研究成果 | 第71-72页 |
| 致谢 | 第72页 |