| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 课题研究意义 | 第8页 |
| 1.2 加工状态监控技术的发展现状 | 第8-10页 |
| 1.2.1 监控方法的选择 | 第8-9页 |
| 1.2.2 切削状态识别技术 | 第9-10页 |
| 1.3 本文主要研究内容 | 第10-11页 |
| 第二章 基于DSP的监控方案实验设计 | 第11-19页 |
| 2.1 深孔加工系统 | 第11页 |
| 2.2 深孔加工状态监控系统的实验设计 | 第11-14页 |
| 2.2.1 刀具磨损状态的监控方案 | 第11-12页 |
| 2.2.2 排屑状态的监控方案 | 第12-13页 |
| 2.2.3 监控系统的实现方案 | 第13-14页 |
| 2.3 DSP试验系统设计 | 第14-18页 |
| 2.3.1 试验设备 | 第15页 |
| 2.3.2 传感器固定 | 第15-16页 |
| 2.3.3 调理电路的设计 | 第16-17页 |
| 2.3.4 实验步骤 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 监控信号特征提取 | 第19-32页 |
| 3.1 信号特征参数 | 第19页 |
| 3.2 监控信号的分析 | 第19-25页 |
| 3.3 振动信号特征提取 | 第25-28页 |
| 3.4 压力信号特征提取 | 第28-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 深孔加工状态识别 | 第32-46页 |
| 4.1 LSSVM基本原理 | 第32-33页 |
| 4.1.1 SVM基本理论 | 第32页 |
| 4.1.2 LSSVM基本原理 | 第32-33页 |
| 4.2 LSSVM相关参数对模型性能的影响 | 第33页 |
| 4.2.1 惩罚因子C | 第33页 |
| 4.2.2 核函数 | 第33页 |
| 4.3 基于AGA的LSSVM的参数优化 | 第33-38页 |
| 4.3.1 自适应遗传算法（AGA） | 第34-35页 |
| 4.3.2 LSSVM参数优化 | 第35-36页 |
| 4.3.3 AGA-LSSVM仿真验证 | 第36-38页 |
| 4.4 基于AGA-LSSVM的深孔加工状态识别 | 第38-45页 |
| 4.4.1 刀具磨损状态的识别 | 第38-42页 |
| 4.4.2 排屑状态的识别 | 第42-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 DSP监控系统的软件开发 | 第46-57页 |
| 5.1 基于DSP-LABVIEW的数据采集系统设计 | 第46-48页 |
| 5.1.1 DSP串行通信模块设计 | 第46-47页 |
| 5.1.2 基于LABVIEW的上位机系统设计 | 第47-48页 |
| 5.1.3 采集系统的实验验证 | 第48页 |
| 5.2 DSP软件系统设计 | 第48-56页 |
| 5.2.1 DSP开发环境介绍 | 第49页 |
| 5.2.2 状态监控流程的确定 | 第49-50页 |
| 5.2.3 系统软件的方案设计 | 第50-51页 |
| 5.2.4 DSP系统及外设的初始化 | 第51-56页 |
| 5.3 本章小结 | 第56-57页 |
| 结论与展望 | 第57-58页 |
| 1．主要结论 | 第57页 |
| 2．发展与展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60页 |