基于特征融合的刀具磨损监测技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-37页 |
| 1.1 课题来源 | 第10页 |
| 1.2 研究背景和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-33页 |
| 1.4 本文的研究思路 | 第33-35页 |
| 1.5 本文的结构 | 第35-37页 |
| 2 切削实验和数据采集 | 第37-48页 |
| 2.1 刀具磨损的概述 | 第37-40页 |
| 2.2 刀具磨损实验的数据采集 | 第40-47页 |
| 2.3 本章小结 | 第47-48页 |
| 3 监测特征的提取和融合 | 第48-60页 |
| 3.1 时域特征 | 第48-49页 |
| 3.2 频域特征 | 第49页 |
| 3.3 小波域特征 | 第49-52页 |
| 3.4 特征向量 | 第52-53页 |
| 3.5 基于KPCA的特征升维 | 第53-58页 |
| 3.6 基于NPE的特征降维 | 第58-59页 |
| 3.7 本章小结 | 第59-60页 |
| 4 基于GPR的刀具磨损预测 | 第60-79页 |
| 4.1 随机过程的基本概念 | 第60-61页 |
| 4.2 高斯过程回归 | 第61-63页 |
| 4.3 基于GPR的刀具磨损在线监测 | 第63-77页 |
| 4.4 本章小结 | 第77-79页 |
| 5 基于WOA-SVM的刀具磨损分类 | 第79-107页 |
| 5.1 支持向量机 | 第79-85页 |
| 5.2 鲸鱼优化算法 | 第85-88页 |
| 5.3 WOA-SVM模型 | 第88-90页 |
| 5.4 基于WOA-SVM模型的刀具磨损在线监测 | 第90-105页 |
| 5.5 本章小结 | 第105-107页 |
| 6 总结与展望 | 第107-109页 |
| 6.1 全文总结 | 第107页 |
| 6.2 研究展望 | 第107-109页 |
| 致谢 | 第109-111页 |
| 参考文献 | 第111-123页 |
| 附录1 攻读博士学位期间参与的科研项目 | 第123-124页 |
| 附录2 攻读博士学位期间发表的学术论文 | 第124-125页 |
