基于电流与振动信号的铣刀磨损监测方法研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第1章 绪论 | 第12-20页 |
| ·课题研究背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-17页 |
| ·刀具磨损状态信号监测方法 | 第13-15页 |
| ·刀具磨损状态信号特征值提取方法 | 第15-16页 |
| ·刀具磨损状态识别方法 | 第16-17页 |
| ·存在问题与发展趋势 | 第17-18页 |
| ·存在问题 | 第17页 |
| ·发展趋势 | 第17-18页 |
| ·论文结构安排 | 第18-20页 |
| 第2章 刀具磨损形态及机理 | 第20-26页 |
| ·刀具磨损形式与原因 | 第20-22页 |
| ·刀具磨损形式 | 第20-21页 |
| ·刀具磨损原因 | 第21-22页 |
| ·刀具磨损过程与磨钝标准 | 第22-24页 |
| ·刀具磨损过程 | 第22-23页 |
| ·刀具磨钝标准 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第3章 铣刀磨损状态监测实验设计 | 第26-38页 |
| ·实验设计 | 第26-28页 |
| ·实验平台搭建 | 第26页 |
| ·实验条件 | 第26-28页 |
| ·采集系统传感器选择与布置 | 第28-31页 |
| ·传感器选择 | 第28-30页 |
| ·传感器布置 | 第30-31页 |
| ·数据采集软硬件平台搭建 | 第31-36页 |
| ·硬件平台搭建 | 第31-35页 |
| ·软件平台搭建 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第4章 铣削力与电流信号映射关系研究 | 第38-48页 |
| ·铣削加工过程分析 | 第38-40页 |
| ·铣削负荷传递过程分析 | 第38页 |
| ·主轴传递系统动力学模型 | 第38-40页 |
| ·铣削力与电流信号分析 | 第40-45页 |
| ·铣削力信号分析 | 第40-43页 |
| ·电流信号分析 | 第43-45页 |
| ·铣削力与电流信号映射关系 | 第45页 |
| ·铣削加工参数确定 | 第45-47页 |
| ·主轴转速单因素分析 | 第45-46页 |
| ·进给轴速度单因素分析 | 第46页 |
| ·铣削深度单因素分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 铣刀磨损状态信号特征值提取及筛选 | 第48-64页 |
| ·实验数据及波形显示 | 第48页 |
| ·铣刀磨损状态信号特征值提取 | 第48-59页 |
| ·时域特征值提取 | 第48-52页 |
| ·频域特征值提取 | 第52-56页 |
| ·时频域特征值提取 | 第56-59页 |
| ·基于核主元分析法的铣刀磨损状态特征值筛选 | 第59-62页 |
| ·核主元分析法 | 第59-61页 |
| ·铣刀磨损状态特征值筛选 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 第6章 铣刀磨损状态监测研究 | 第64-76页 |
| ·基于BP神经网络的铣刀磨损状态监测 | 第64-69页 |
| ·BP神经网络 | 第64-66页 |
| ·BP神经网络结构设计 | 第66页 |
| ·BP神经网络训练结果及分析 | 第66-69页 |
| ·基于遗传算法优化支持向量机的铣刀磨损状态监测 | 第69-75页 |
| ·遗传算法 | 第69-70页 |
| ·支持向量机 | 第70-72页 |
| ·支持向量机网络结构设计 | 第72-73页 |
| ·支持向量机网络模型构建 | 第73页 |
| ·支持向量机测试结果分析 | 第73-75页 |
| ·两种网络监测结果分析 | 第75页 |
| ·本章小结 | 第75-76页 |
| 第7章 总结与展望 | 第76-78页 |
| ·总结 | 第76页 |
| ·展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第82-84页 |
| 致谢 | 第84页 |
