| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·刀具状态监控的意义 | 第10页 |
| ·刀具状态监控的方法 | 第10-12页 |
| ·刀具状态监控的研究现状 | 第12-15页 |
| ·声发射监测技术的研究现状 | 第12-13页 |
| ·振动监测技术的研究现状 | 第13-14页 |
| ·信息融合监测技术的研究现状 | 第14-15页 |
| ·刀具监测系统的发展趋势 | 第15页 |
| ·本论文的主要工作 | 第15-16页 |
| ·多信号的分析和处理 | 第15-16页 |
| ·多信息融合算法的确定 | 第16页 |
| ·基于LabVIEW的刀具磨损状态识别平台 | 第16页 |
| ·本章小结 | 第16-18页 |
| 第二章 声发射信号与振动信号的融合方法 | 第18-40页 |
| ·金属切削过程声发射信号监测原理 | 第18-21页 |
| ·声发射信号的产生 | 第18-19页 |
| ·AE信号特征 | 第19-20页 |
| ·AE与铣刀磨损的关系 | 第20-21页 |
| ·金属切削过程振动信号监测原理 | 第21-22页 |
| ·切削振动信号的产生 | 第21页 |
| ·振动信号与铣刀磨损的关系 | 第21-22页 |
| ·多传感器信息融合 | 第22-24页 |
| ·多传感器信息融合概念 | 第22页 |
| ·基于神经网络的多传感器信息融合方法 | 第22-24页 |
| ·相关理论 | 第24-39页 |
| ·信号的时域分析 | 第24-25页 |
| ·信号的频域分析 | 第25-26页 |
| ·信号的小波分析 | 第26-31页 |
| ·神经网络 | 第31-36页 |
| ·D-S证据理论 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 铣刀状态监测试验 | 第40-65页 |
| ·试验装置与方法步骤 | 第40-47页 |
| ·试验对象及加工参数确定 | 第40-41页 |
| ·数据采集卡 | 第41-42页 |
| ·传感器及主要装置 | 第42-43页 |
| ·传感器的安装 | 第43-44页 |
| ·采集卡参数选择 | 第44-45页 |
| ·机床与工件材料 | 第45-46页 |
| ·实验方法与步骤 | 第46-47页 |
| ·声发射信号分析 | 第47-53页 |
| ·声发射信号的时域特征 | 第47-49页 |
| ·声发射信号频域特征 | 第49-50页 |
| ·声发射信号小波分析 | 第50-53页 |
| ·振动信号分析 | 第53-58页 |
| ·振动信号时域特征 | 第53-54页 |
| ·振动信号频域特征 | 第54-56页 |
| ·振动信号的小波分析 | 第56-58页 |
| ·信息融合诊断过程 | 第58-63页 |
| ·利用BP神经网络进行局部诊断 | 第58页 |
| ·网络结构参数设计 | 第58-59页 |
| ·刀具状态识别 | 第59-62页 |
| ·D—S证据推理信息融合的铣刀磨损诊断 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 第四章 基于LABVIEW的多传感器的铣削过程监控系统 | 第65-75页 |
| ·LABVLEW开发环境 | 第65页 |
| ·LABVLEW与MATLAB | 第65-66页 |
| ·系统设计的内容 | 第66-74页 |
| ·单传感器离线分析模块 | 第66-68页 |
| ·多传感器离线分析模块 | 第68-71页 |
| ·在线监控模块 | 第71-74页 |
| ·本章小结 | 第74-75页 |
| 总结与展望 | 第75-77页 |
| 一 主要工作内容及结论 | 第75-76页 |
| 二 展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80页 |