| 摘要 | 第1-11页 |
| Abstract | 第11-14页 |
| 第1章 绪论 | 第14-32页 |
| ·课题来源 | 第14页 |
| ·课题研究的目的与意义 | 第14-15页 |
| ·国内外研究现状 | 第15-27页 |
| ·本论文研究的主要内容 | 第27-32页 |
| 第2章 基于多维信息的数控机床状态监测系统研究 | 第32-62页 |
| ·引言 | 第32页 |
| ·数控机床常见故障 | 第32-38页 |
| ·滚动轴承主要故障类型 | 第34-35页 |
| ·滚珠丝杠主要故障类型 | 第35-36页 |
| ·联轴器主要故障类型 | 第36-37页 |
| ·伺服电机主要故障类型 | 第37-38页 |
| ·基于振动与噪声信号的故障诊断机理 | 第38-40页 |
| ·基于振动信号的滚动轴承故障诊断机理 | 第38-39页 |
| ·基于振动信号的滚珠丝杠副故障诊断机理 | 第39-40页 |
| ·基于噪声信号的故障诊断机理 | 第40页 |
| ·基于温度信号的故障诊断机理 | 第40-43页 |
| ·基于数控机床内部信息的故障诊断机理 | 第43-51页 |
| ·基于伺服电机电流的故障诊断机理 | 第44-45页 |
| ·基于电机扭矩的故障诊断机理 | 第45-49页 |
| ·基于伺服误差的故障诊断机理 | 第49-51页 |
| ·基于多维信息感知的数控机床状态监测系统 | 第51-52页 |
| ·实验方案设计 | 第52-61页 |
| ·信号监测模块 | 第53-56页 |
| ·数据采集模块 | 第56-61页 |
| ·本章小结 | 第61-62页 |
| 第3章 基于多域分析的信号特征提取与选择 | 第62-86页 |
| ·时域与频域分析 | 第62-66页 |
| ·信号时域特征集合 | 第66-67页 |
| ·信号频域特征集合 | 第67页 |
| ·信号时频域特征集合 | 第67-75页 |
| ·小波降噪 | 第68-71页 |
| ·EMD分解 | 第71页 |
| ·基于小波包与EMD的信号处理方法 | 第71-74页 |
| ·能量特征 | 第74-75页 |
| ·信号多域混合特征集合 | 第75页 |
| ·信号特征选择 | 第75-80页 |
| ·相关系数与模糊聚类 | 第76-78页 |
| ·类内特征优选 | 第78-80页 |
| ·验证实验 | 第80-85页 |
| ·数据挖掘实验 | 第80-83页 |
| ·特征选择实验 | 第83-85页 |
| ·本章小结 | 第85-86页 |
| 第4章 数控机床故障智能识别模型 | 第86-109页 |
| ·引言 | 第86-87页 |
| ·多级诊断 | 第87-88页 |
| ·基于遗传BP网络的数控机床故障诊断研究 | 第88-98页 |
| ·遗传BP网络的构建原则 | 第88-92页 |
| ·主网络遗传BP网络模型 | 第92-94页 |
| ·滚珠丝杠遗传BP网络模型 | 第94-95页 |
| ·滚动轴承遗传BP网络模型 | 第95-98页 |
| ·基于径向基神经网络的数控机床故障诊断研究 | 第98-103页 |
| ·数控机床故障诊断各模块径向基网络结构 | 第99-101页 |
| ·基于径向基网络的数控机床各诊断模块模型设计 | 第101-103页 |
| ·基于支持向量机的数控机床故障诊断研究 | 第103-108页 |
| ·支持向量机理论 | 第103-104页 |
| ·基于支持向量机的数控机床各诊断模块模型设计 | 第104-108页 |
| ·本章小结 | 第108-109页 |
| 第5章 基于模糊综合评判的数控机床故障诊断方法研究 | 第109-132页 |
| ·基于模糊综合评判的故障诊断方法 | 第109-112页 |
| ·数控机床故障诊断模糊综合评判基本模型的建立 | 第112页 |
| ·基于信息熵的权值分配方法 | 第112-120页 |
| ·分类能力评价函数 | 第113-117页 |
| ·权重分配 | 第117页 |
| ·融合规则 | 第117-118页 |
| ·基于分类能力评价矩阵的综合评判 | 第118-120页 |
| ·基于模糊综合评判的数控机床故障诊断实验 | 第120-131页 |
| ·数据规格化 | 第120-121页 |
| ·基于模糊综合评判的滚动轴承诊断模块实验 | 第121-125页 |
| ·基于模糊综合评判的主网络诊断模块实验 | 第125-128页 |
| ·基于分类能力评价矩阵的故障诊断实验 | 第128-131页 |
| ·本章小结 | 第131-132页 |
| 第6章 基于加权证据理论的数控机床故障诊断方法研究 | 第132-147页 |
| ·引言 | 第132-133页 |
| ·加权证据理论 | 第133-136页 |
| ·加权概率分配函数 | 第134页 |
| ·信任函数 | 第134-135页 |
| ·似然函数 | 第135页 |
| ·加权D-S证据理论合成规则 | 第135-136页 |
| ·证据体规格化与加权 | 第136-137页 |
| ·基于加权证据理论的故障诊断方法 | 第137-138页 |
| ·基于多分类器的原始证据生成 | 第137-138页 |
| ·基于加权证据理论的融合诊断 | 第138页 |
| ·基于加权证据理论的故障诊断实验 | 第138-145页 |
| ·基于加权证据理论的主网络模块诊断 | 第138-144页 |
| ·基于加权证据理论的滚动轴承模块诊断 | 第144-145页 |
| ·模糊综合评判模型与加权证据理论模型的比较 | 第145-146页 |
| ·本章小结 | 第146-147页 |
| 第7章 总结与展望 | 第147-150页 |
| ·全文总结 | 第147-149页 |
| ·研究展望 | 第149-150页 |
| 参考文献 | 第150-160页 |
| 攻读博士学位期间发表的学术论文及科研工作 | 第160-161页 |
| 致谢 | 第161-162页 |