ELID磨削砂轮表面氧化膜状态表征
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-16页 |
| ·课题的研究意义 | 第7-12页 |
| ·ELID 磨削的特点 | 第7-10页 |
| ·氧化膜状态表征的重要性 | 第10-12页 |
| ·ELID 磨削的发展现状 | 第12-14页 |
| ·国内外发展现状 | 第12-13页 |
| ·氧化膜状态的研究 | 第13-14页 |
| ·本文的研究背景及研究内容 | 第14-16页 |
| 第二章 信号的采集与处理 | 第16-25页 |
| ·基于Labview 的数据采集与输出控制程序 | 第16-20页 |
| ·Labview 软件概述 | 第16-17页 |
| ·Labview 数据采集与输出控制程序 | 第17-20页 |
| ·信号处理的数学方法比较和选择 | 第20-24页 |
| ·傅立叶变换 | 第20页 |
| ·短时傅立叶变换 | 第20-21页 |
| ·Wigner-Ville 分布 | 第21页 |
| ·小波变换 | 第21-22页 |
| ·小波包变换 | 第22-23页 |
| ·信号处理的数学方法选择 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 参与氧化膜状态表征的信号筛选与特征提取 | 第25-41页 |
| ·ELID 磨削实验装置及实验条件 | 第25-26页 |
| ·氧化膜状态归一化表征标准建立 | 第26-27页 |
| ·参与氧化膜状态表征的相关信号特征提取 | 第27-40页 |
| ·氧化膜的电信号特征提取 | 第28-31页 |
| ·氧化膜的磨削力信号特征提取 | 第31-35页 |
| ·氧化膜的振动信号特征提取 | 第35-38页 |
| ·氧化膜的声发射信号特征提取 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于自适应模糊神经网络的氧化膜状态表征 | 第41-50页 |
| ·模糊神经网络 | 第41-44页 |
| ·自适应神经网络模糊推理系统 | 第41-42页 |
| ·ANFIS 的学习算法 | 第42页 |
| ·ANFIS 建模效果 | 第42-44页 |
| ·基于自适应模糊神经网络系统的氧化膜状态表征 | 第44-48页 |
| ·输入输出参数选择 | 第44页 |
| ·训练样本的获取 | 第44-45页 |
| ·自适应模糊神经网络的结构 | 第45-46页 |
| ·自适应模糊神经网络的训练效果 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 结论与展望 | 第50-52页 |
| ·全文结论 | 第50-51页 |
| ·课题展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 发表论文和参加科研情况说明 | 第55-56页 |
| 致谢 | 第56页 |
