| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-20页 |
| ·课题背景与研究意义 | 第12-15页 |
| ·课题背景 | 第12页 |
| ·研究意义 | 第12-13页 |
| ·刀具状态监控的方法 | 第13-15页 |
| ·刀具状态监控研究现状 | 第15-16页 |
| ·基于声音信号的切削过程监测 | 第15页 |
| ·基于振动信号的切削过程监测 | 第15-16页 |
| ·信息融合监测技术的研究现状 | 第16页 |
| ·盲源分离技术及其应用现状 | 第16-18页 |
| ·经验模态分解及其应用现状 | 第18-19页 |
| ·本文研究内容 | 第19-20页 |
| 第二章 声音信号和振动信号的融合方法 | 第20-35页 |
| ·金属切削过程声音信号监测原理 | 第20-21页 |
| ·切削声音信号的产生 | 第20页 |
| ·切削声音信号与铣刀故障的关系 | 第20-21页 |
| ·金属切削过程振动信号监测原理 | 第21-22页 |
| ·切削振动信号的产生 | 第21页 |
| ·切削振动信号与铣刀故障的关系 | 第21-22页 |
| ·独立分量分析 | 第22-27页 |
| ·盲源分离的数学模型 | 第22-23页 |
| ·盲源分离的假设条件 | 第23-24页 |
| ·典型的盲源分离算法 | 第24-27页 |
| ·经验模态分解 | 第27-31页 |
| ·瞬时频率和固有模式函数 | 第27-28页 |
| ·EMD 方法的算法 | 第28-29页 |
| ·EMD 算法流程设计 | 第29-31页 |
| ·多传感器信息融合 | 第31-34页 |
| ·多传感器信息融合概念 | 第31-32页 |
| ·EMD-ICA 方法 | 第32-33页 |
| ·基于 EMD-ICA 的多传感器信息融合方法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 多传感器信号监测系统 | 第35-45页 |
| ·系统硬件平台 | 第35-39页 |
| ·噪声传感器 | 第35-36页 |
| ·振动加速度传感器 | 第36-38页 |
| ·数据采集卡 | 第38-39页 |
| ·系统软件平台 | 第39-44页 |
| ·信号采集/读取模块 | 第40-41页 |
| ·信号谱分析模块 | 第41-42页 |
| ·基于 EMD-ICA 的多传感器信号分析模块 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 切削声振信号的目标状态源分离 | 第45-69页 |
| ·铣削试验 | 第45-50页 |
| ·试验设备 | 第45-49页 |
| ·铣削试验设计 | 第49-50页 |
| ·声音信号分析 | 第50-56页 |
| ·声音信号频域特征 | 第50-52页 |
| ·声音信号基于 EMD 和 ICA 的刀具破损识别 | 第52-56页 |
| ·振动信号分析 | 第56-64页 |
| ·振动信号频域特征 | 第56-60页 |
| ·振动信号基于 EMD 和 ICA 的刀具破损识别 | 第60-64页 |
| ·基于 EMD-ICA 的多目标状态源分离 | 第64-68页 |
| ·独立分量分析算法选择 | 第65页 |
| ·目标状态源的分离 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| ·主要结论 | 第69-70页 |
| ·研究展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间已发表或录用的论文 | 第76页 |