| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 论文的选题背景和意义 | 第8-10页 |
| 1.1.1 论文研究背景 | 第8-9页 |
| 1.1.2 论文研究意义 | 第9-10页 |
| 1.2 国内外相关研究现状及总结 | 第10-13页 |
| 1.2.1 国内外相关研究现状 | 第10-12页 |
| 1.2.2 国内外研究现状总结 | 第12-13页 |
| 1.3 论文选题来源和目的 | 第13页 |
| 1.3.1 论文选题来源 | 第13页 |
| 1.3.2 论文研究目的 | 第13页 |
| 1.4 论文主要研究内容 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 2 车床加工进度信息及刀具受力状态特点分析 | 第15-24页 |
| 2.1 车床加工进度信息分析 | 第15-19页 |
| 2.1.1 车床加工进度信息特点 | 第15-16页 |
| 2.1.2 车床加工进度信息分类 | 第16-17页 |
| 2.1.3 车床加工进度信息描述方法 | 第17-19页 |
| 2.2 车床刀具受力状态分析 | 第19-21页 |
| 2.3 基于刀具受力状态的车床加工进度信息采集总体思路 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 车床刀具受力状态信息采集与特征建模 | 第24-39页 |
| 3.1 车床刀具受力状态原始信号采集方案 | 第24-28页 |
| 3.1.1 车床刀具测力仪性能要求 | 第24-26页 |
| 3.1.2 车床刀具测力仪类型选择 | 第26-27页 |
| 3.1.3 车床刀具测力仪的结构方案 | 第27-28页 |
| 3.2 车床刀具受力状态信息特征建模 | 第28-37页 |
| 3.2.1 信号形态滤波 | 第29-32页 |
| 3.2.2 时域分析与时域特征 | 第32-33页 |
| 3.2.3 频域分析与频域特征 | 第33-34页 |
| 3.2.4 小波分析与小波特征 | 第34-37页 |
| 3.3 本章小结 | 第37-39页 |
| 4 基于支持向量机(SVM)的加工进度信息识别方法 | 第39-47页 |
| 4.1 支持向量机(SVM)理论 | 第39-41页 |
| 4.1.1 最优分类面 | 第39-40页 |
| 4.1.2 支持向量机 | 第40-41页 |
| 4.1.3 核函数 | 第41页 |
| 4.2 基于支持向量机的车床加工进度识别原理 | 第41-45页 |
| 4.2.1 加工进度特征向量模型 | 第41-42页 |
| 4.2.2 批量工件识别原理 | 第42-43页 |
| 4.2.3 单件加工阶段识别原理 | 第43-45页 |
| 4.3 基于支持向量机的车床加工进度识别流程 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 应用验证 | 第47-54页 |
| 5.1 验证方案 | 第47-49页 |
| 5.2 验证过程 | 第49-52页 |
| 5.3 结果分析 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 6 结论 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第60页 |
| B. 作者在攻读硕士学位期间公布的专利 | 第60页 |
| C. 作者在攻读硕士学位期间参加的主要科研项目 | 第60页 |
| D. 作者在攻读硕士学位期间的获奖情况 | 第60页 |