| 摘要 | 第1-11页 |
| Abstract | 第11-13页 |
| 第1章 绪论 | 第13-18页 |
| ·概述 | 第13-14页 |
| ·课题来源 | 第13页 |
| ·课题研究的目的及意义 | 第13-14页 |
| ·故障诊断技术的国内外研究现状 | 第14-15页 |
| ·滚珠丝杠副故障诊断的国内外研究现状 | 第15-16页 |
| ·基于无传感器的数控机床状态监测技术 | 第16-17页 |
| ·本文研究的主要内容 | 第17-18页 |
| 第2章 滚珠丝杠副状态信息无传感器监测原理 | 第18-29页 |
| ·引言 | 第18页 |
| ·无传感器监测概念 | 第18页 |
| ·伺服进给系统及主要四个功能模块 | 第18-23页 |
| ·伺服进给系统驱动控制原理 | 第19-21页 |
| ·伺服进给系统检测反馈装置 | 第21-23页 |
| ·基于无传感器的几种典型信号的监测原理 | 第23-28页 |
| ·伺服电机的输出电流（扭矩）监测 | 第23-26页 |
| ·伺服电机的温度监测 | 第26页 |
| ·滚珠丝杠副的伺服误差信息 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 滚珠丝杠副及其典型故障机理分析 | 第29-35页 |
| ·滚珠丝杠副简介及结构 | 第29-30页 |
| ·滚珠丝杠副故障机理分析 | 第30-34页 |
| ·滚珠丝杠副典型失效分析及常见故障 | 第30-32页 |
| ·滚珠丝杠副振动特征分析 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 数控机床滚珠丝杠副信号采集系统设计 | 第35-58页 |
| ·引言 | 第35页 |
| ·试验台设计介绍 | 第35-37页 |
| ·滚珠丝杠副传统监测方法试验方案设计 | 第37-50页 |
| ·外置传感器的选择 | 第38-41页 |
| ·传感器的安装及测点的选择 | 第41-43页 |
| ·数据采集平台及采集卡的选择 | 第43-45页 |
| ·基于LabVIEW的信号采集存储模块设计 | 第45-50页 |
| ·滚珠丝杠副无传感器监测方法试验方案设计 | 第50-55页 |
| ·STARTER软件简介 | 第50页 |
| ·无传感器信息的采集 | 第50-55页 |
| ·滚珠丝杠副的伺服误差信息采集 | 第55页 |
| ·试验系统总体架构 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 滚珠丝杠副故障信号分析与特征向量构造 | 第58-74页 |
| ·引言 | 第58页 |
| ·试验数据说明 | 第58页 |
| ·伺服电机温度信号分析 | 第58-59页 |
| ·滚珠丝杠副各状态信息的特征量提取 | 第59-68页 |
| ·时域分析和特征参数提取 | 第59-62页 |
| ·频域分析和特征参数提取 | 第62-64页 |
| ·时频域分析与特征参数提取 | 第64-68页 |
| ·基于核函数主元分析的特征向量构造 | 第68-72页 |
| ·核函数主元分析方法简介 | 第69-70页 |
| ·基于KPCA方法的滚珠丝杠副状态信息特征筛选 | 第70-72页 |
| ·本章小结 | 第72-74页 |
| 第6章 基于神经网络的滚珠丝杠副故障诊断 | 第74-87页 |
| ·引言 | 第74页 |
| ·基于BP神经网络的数控机床滚珠丝杠副故障模式识别 | 第74-80页 |
| ·BP神经网络概述及结构 | 第74-75页 |
| ·BP神经网络的算法 | 第75-76页 |
| ·BP神经网络模型的结构设计及构造 | 第76-77页 |
| ·BP神经网络的训练结果及网络性能分析 | 第77-80页 |
| ·基于PNN神经网络的数控机床滚珠丝杠副故障模式识别 | 第80-84页 |
| ·PNN神经网络概述及结构 | 第80-81页 |
| ·PNN神经网络的算法 | 第81页 |
| ·PNN神经网络模型的结构设计及构造 | 第81-82页 |
| ·PNN神经网络的训练结果及网络性能分析 | 第82-84页 |
| ·两种网络模型及其对两种信息的识别性能对比分析 | 第84-86页 |
| ·本章小结 | 第86-87页 |
| 第7章 结论与展望 | 第87-89页 |
| ·论文工作总结 | 第87-88页 |
| ·研究展望 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 攻读硕士学位期间发表的学术论文 | 第93-95页 |
| 致谢 | 第95页 |