| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题的研究背景及目的和意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文研究内容 | 第12页 |
| ·本文关键技术以及创新点 | 第12页 |
| ·本文章节内容安排 | 第12-13页 |
| 本章小结 | 第13-14页 |
| 第二章 信号监测与故障诊断方法概述 | 第14-22页 |
| ·刀具磨损的标准 | 第14-15页 |
| ·刀具磨损状态监测 | 第15-16页 |
| ·刀具状态监测系统的结构 | 第15页 |
| ·刀具状态监测系统的功能模块 | 第15-16页 |
| ·主要监测方法 | 第16-17页 |
| ·切削力监测方法 | 第16页 |
| ·电机功率监测方法 | 第16-17页 |
| ·电机电流监测方法 | 第17页 |
| ·生发射监控方法 | 第17页 |
| ·现代诊断技术介绍 | 第17-21页 |
| ·基于信号处理的方法 | 第17-18页 |
| ·基于解析模型的方法 | 第18-20页 |
| ·基于知识的方法 | 第20-21页 |
| 本章小结 | 第21-22页 |
| 第三章 基于融合方法的故障诊断举例与人工智能发展趋势 | 第22-26页 |
| ·专家系统与神经网络的结合 | 第22页 |
| ·神经网络与遗传算法、模糊系统的结合 | 第22页 |
| ·云模型与定性模型的结合 | 第22-23页 |
| ·人工智能的发展趋势 | 第23-24页 |
| ·分布式人工智能 | 第23页 |
| ·混合式智能诊断系统 | 第23-24页 |
| ·智能故障诊断的发展趋势 | 第24页 |
| 本章小结 | 第24-26页 |
| 第四章 模糊理论与支持向量机的融合技术在刀具故障诊断中的应用 | 第26-41页 |
| ·支持向量机理论与模糊理论概述 | 第26-33页 |
| ·统计学习理论介绍 | 第26-27页 |
| ·支持向量机的思想以及特点 | 第27-30页 |
| ·模糊隶属函数的定义 | 第30-31页 |
| ·模糊特征表示方法 | 第31-33页 |
| ·模糊支持向量机的理论背景 | 第33-35页 |
| ·常用的支持向量机多指分类器的构造方法 | 第35-36页 |
| ·支持向量机的算法描述 | 第36-37页 |
| ·模糊支持向量机在刀具故障诊断的实验仿真 | 第37-39页 |
| ·实验分析 | 第39-40页 |
| 本章小结 | 第40-41页 |
| 第五章 刀具磨损状态远程监测系统总体设计 | 第41-54页 |
| ·系统需求分析 | 第41页 |
| ·系统结构分析 | 第41-42页 |
| ·系统的功能结构模型 | 第42页 |
| ·刀具磨损状态监测系统软件结构 | 第42-46页 |
| ·现场状态监测模块 | 第43-45页 |
| ·文件传送模块 | 第45页 |
| ·服务器的嵌入式模块 | 第45-46页 |
| ·数据库的设计与实现 | 第46-48页 |
| ·Oracle数据库管理系统 | 第46页 |
| ·Informi数据库管理系统 | 第46页 |
| ·Mirosoft SQL Server数据库管理系统 | 第46-47页 |
| ·PB实现数据库的访问 | 第47页 |
| ·应用程序与SQL Server数据库的链接 | 第47-48页 |
| ·数据的备份 | 第48页 |
| ·SQL Server分布式数据库的安全性 | 第48页 |
| ·数据库的发展趋势NoSQL | 第48-52页 |
| ·NoSQL和传统关系型数据库的不同 | 第49页 |
| ·NoSQL领域的三种主流的数据模型 | 第49-50页 |
| ·NoSQL的可行性分析 | 第50-52页 |
| 本章小结 | 第52-54页 |
| 结论 | 第54-55页 |
| 附录A 铣削实验数据 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |
