| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-9页 |
| 1 绪论 | 第9-21页 |
| ·故障诊断综述 | 第9-11页 |
| ·小波分析与神经网络 | 第11-15页 |
| ·松散型小波神经网络 | 第12页 |
| ·小波网络 | 第12-13页 |
| ·小波神经网络的研究现状和发展历史 | 第13-15页 |
| ·小波神经网络在刀具故障诊断中的应用现状 | 第15-19页 |
| ·刀具磨损状态监测的意义及研究现状 | 第15-17页 |
| ·小波变换在故障诊断中的应用现状 | 第17-18页 |
| ·小波神经网络在刀具故障诊断中的应用 | 第18-19页 |
| ·本文研究概述 | 第19-21页 |
| 2 小波分析提取刀具状态特征 | 第21-35页 |
| ·小波分析的理论基础 | 第21-31页 |
| ·傅里叶(Fourier)分析与小波(Wavelet)分析的比较 | 第21-23页 |
| ·小波基于正弦基的特点比较 | 第23-24页 |
| ·小波变换 | 第24-27页 |
| ·多分辨率分析 | 第27-29页 |
| ·马拉算法(Mallat) | 第29-31页 |
| ·小波基波选择的标准 | 第31-32页 |
| ·小波分析提取刀具状态的特征 | 第32-35页 |
| ·刀具状态监测信号的提取 | 第32-33页 |
| ·声发射原理 | 第33页 |
| ·小波分析提取刀具AE信号的特征 | 第33-35页 |
| 3 基于神经网络的刀具故障诊断 | 第35-53页 |
| ·神经网络概述 | 第35-41页 |
| ·人工神经网络产生的背景 | 第35-36页 |
| ·神经网络的发展过程 | 第36-38页 |
| ·神经网络的分类 | 第38-39页 |
| ·神经网络的应用现状 | 第39-40页 |
| ·人工神经网络的特点 | 第40-41页 |
| ·BP神经网络 | 第41-48页 |
| ·BP网络的模型与结构 | 第41-42页 |
| ·BP网络学习算法 | 第42-48页 |
| ·RBF网络 | 第48-51页 |
| ·RBF网络的结构 | 第48-50页 |
| ·RBF网络学习过程 | 第50-51页 |
| ·神经网络的学习规则 | 第51-53页 |
| 4 基于松散型小波神经网络的刀具故障诊断 | 第53-76页 |
| ·切削状态的试验数据采集 | 第53-54页 |
| ·小波变换提取刀具信号的特征量 | 第54-61页 |
| ·神经网络进行模式识别 | 第61-76页 |
| ·基于BP网络的刀具故障诊断 | 第61-73页 |
| ·基于RBF网络的刀具故障网络诊断 | 第73-74页 |
| ·BP，RBF网络在刀具故障诊断的比较 | 第74-76页 |
| 5 总结与展望 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 攻读硕士学位期间研究成果 | 第83-85页 |
| 致谢 | 第85页 |