| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究意义 | 第9页 |
| 1.3 国内外研究现状 | 第9-15页 |
| 1.4 刀具磨损监测的难点与解决思路 | 第15页 |
| 1.5 论文的主要研究内容及章节安排 | 第15-17页 |
| 2 车刀磨损试验 | 第17-22页 |
| 2.1 切削试验总体方案设计 | 第17-19页 |
| 2.2 试验力信号采集及刀具磨损测量 | 第19-20页 |
| 2.3 本章小结 | 第20-22页 |
| 3 车刀磨损特征量的提取与优化 | 第22-39页 |
| 3.1 特征提取方法 | 第22-26页 |
| 3.2 特征选择方法 | 第26页 |
| 3.3 车刀磨损特征提取 | 第26-32页 |
| 3.4 基于KPCA对特征向量的降维和优化 | 第32-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 车刀磨损状态识别方法研究 | 第39-53页 |
| 4.1 引言 | 第39页 |
| 4.2 基于决策树的车刀磨损状态识别研究 | 第39-47页 |
| 4.3 基于随机森林的车刀磨损状态识别研究 | 第47-52页 |
| 4.4 车刀磨损状态识别方法的对比分析 | 第52页 |
| 4.5 小结 | 第52-53页 |
| 5 车刀磨损量识别方法研究 | 第53-81页 |
| 5.1 基于BP神经网络的车刀磨损量识别研究 | 第53-60页 |
| 5.2 基于GA_BP的车刀磨损量识别研究 | 第60-68页 |
| 5.3 基于BP_AdaBoost的车刀磨损量识别研究 | 第68-72页 |
| 5.4 基于GA_SVR的车刀磨损量识别研究 | 第72-79页 |
| 5.5 车刀磨损量识别方法的对比分析 | 第79页 |
| 5.6 本章小结 | 第79-81页 |
| 6 总结与展望 | 第81-83页 |
| 6.1 全文总结 | 第81-82页 |
| 6.2 研究展望 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-92页 |
| 附录 攻读学位期间发表学术论文目录 | 第92页 |