基于负荷电流分析的多机床运行状态识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-18页 |
| ·选题背景 | 第9-10页 |
| ·国内外研究现状 | 第10-15页 |
| ·机床状态监测的研究现状 | 第10-13页 |
| ·机床监测信号处理方法的研究现状 | 第13-14页 |
| ·机床监测模式识别的研究现状 | 第14-15页 |
| ·研究意义 | 第15-17页 |
| ·电流分析法的特点 | 第16页 |
| ·生产现场信息获取的需要 | 第16-17页 |
| ·本文的主要内容 | 第17-18页 |
| 2 机床工况信息的电流表现特征及运行状态识别 | 第18-32页 |
| ·电流信号分析法的原理与解调分析 | 第18-22页 |
| ·电流信号分析法的理论依据 | 第18-20页 |
| ·电流信号的解调分析 | 第20-22页 |
| ·基于启动信号的运行机床识别 | 第22-25页 |
| ·启动信号的时频域分析 | 第22-24页 |
| ·启动信号的能量分析 | 第24-25页 |
| ·基于运行信号的分析方法 | 第25-31页 |
| ·运行信号的时频域分析 | 第25-28页 |
| ·运行信号的小波包分析 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 3 基于电流分析的多机床运行状态识别 | 第32-47页 |
| ·基于细化谱分析的运行机床判断 | 第32-40页 |
| ·基于线性调频变换的频谱细化方法 | 第32-38页 |
| ·基于实时能量信号及其频谱分析的方法 | 第38-40页 |
| ·基于小波包分析的多机床运行状态特征提取 | 第40-43页 |
| ·小波包分解频段能量分析 | 第40-42页 |
| ·小波包特征频段的精细分析 | 第42-43页 |
| ·基于双谱分析的加工与空转状态判断 | 第43-46页 |
| ·小波包分解与频段能量监测 | 第43-44页 |
| ·基于两种方法结合的加工状态判断方法 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 4 基于特征分析的不同加工类型与切削深度识别 | 第47-57页 |
| ·基于特征分析的加工类型识别 | 第47-50页 |
| ·基于小波包分解的频段能量分析法 | 第47-48页 |
| ·小波包分解与双谱分析的结合 | 第48-50页 |
| ·基于特征分析的切削深度识别 | 第50-56页 |
| ·基于功率信号的方法 | 第50-52页 |
| ·基于功率信号频谱分析的方法 | 第52-55页 |
| ·基于能量信号双谱分析的方法 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 5 基于混合智能诊断理论的多机床运行状态识别方法 | 第57-65页 |
| ·神经网络分类器 | 第57-58页 |
| ·支持向量机分类器 | 第58-59页 |
| ·混合智能诊断系统 | 第59-64页 |
| ·混合智能诊断概述 | 第59页 |
| ·基于混合智能的二级识别系统 | 第59-63页 |
| ·实验结果分析 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 6 结论与展望 | 第65-67页 |
| ·结论 | 第65-66页 |
| ·研究展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 在学研究成果 | 第71-72页 |
| 致谢 | 第72页 |
