基于模式识别的数控机床刀具检测方法
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-17页 |
| ·研究背景 | 第8-9页 |
| ·刀具磨损 | 第9页 |
| ·研究状况 | 第9-11页 |
| ·目前常用的识别模式以及方法的介绍 | 第11-14页 |
| ·涉及到的检测信号方法概述 | 第14-15页 |
| ·本文的研究方法 | 第15页 |
| ·本章小结 | 第15-17页 |
| 第二章 刀具检测领域的常用信号和其分析方法 | 第17-25页 |
| ·刀具检测系统信号处理的主要手段 | 第17-19页 |
| ·刀具切削信号的特征提取方法简述 | 第19-23页 |
| ·刀具在线检测系统中应用的时域分析法概述 | 第19-21页 |
| ·频域分析 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 BP神经网络 | 第25-31页 |
| ·BP神经网络 | 第25-26页 |
| ·基于BP神经网络的实验设计 | 第26-27页 |
| ·BP神经网络的不足之处 | 第27-28页 |
| ·BP神经网络在刀具检测中的应用问题及分析 | 第28-29页 |
| ·在线反馈 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 遗传算法及遗传算法与BP神经网络的结合 | 第31-41页 |
| ·遗传算法 | 第31-32页 |
| ·对遗传算法的改进 | 第32-38页 |
| ·遗传算法的效果分析以及存在的问题 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 引入Adaboost算法的在线反馈系统 | 第41-48页 |
| ·Adaboost算法 | 第41-42页 |
| ·Adaboost算法分析 | 第42-43页 |
| ·Adaboost算法与神经网络的结合 | 第43-46页 |
| ·实验结果 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 Matlab实验环境的设计与调试 | 第48-51页 |
| ·实验环境的搭建 | 第48-49页 |
| ·实验设计 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第七章 总结与展望 | 第51-53页 |
| ·工作总结 | 第51-52页 |
| ·研究展望 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 附录1 | 第55-60页 |
| 附录2 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文目录 | 第64页 |
