| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 课题背景及研究的目的和意义 | 第12页 |
| 1.2 刀具磨损状态监测技术发展概况 | 第12-15页 |
| 1.2.1 信号检测技术 | 第13-14页 |
| 1.2.2 信号特征的提取 | 第14页 |
| 1.2.3 模式识别技术 | 第14-15页 |
| 1.3 本文的主要研究内容 | 第15-16页 |
| 第2章 刀具磨损与试验系统 | 第16-27页 |
| 2.1 刀具磨损与刀具使用寿命 | 第16-21页 |
| 2.1.1 刀具磨损形态 | 第16-17页 |
| 2.1.2 刀具磨损的原因 | 第17-19页 |
| 2.1.3 刀具磨损过程与磨钝标准 | 第19-21页 |
| 2.2 信号类型的确定 | 第21-22页 |
| 2.3 刀具磨损状态监测系统架构 | 第22-24页 |
| 2.3.1 试验数据采集系统 | 第22-24页 |
| 2.3.2 监测系统软件 | 第24页 |
| 2.4 正交试验方法 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于小波包分析的信号滤波处理 | 第27-34页 |
| 3.1 基于小波包分解的声发射信号预处理 | 第27-29页 |
| 3.1.1 小波包分解的理论基础 | 第27-28页 |
| 3.1.2 基于快速傅里叶变换的信号频谱分析 | 第28-29页 |
| 3.2 Shannon信息熵理论 | 第29-30页 |
| 3.3 最优小波包Shannon滤波处理 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于云理论的刀具磨损声发射信号特征提取 | 第34-45页 |
| 4.1 用云模型表示概念的不确定性 | 第34页 |
| 4.2 正态云发生器 | 第34页 |
| 4.3 正态云的数学性质 | 第34-37页 |
| 4.3.1 云滴及其确定度的统计分析 | 第35-36页 |
| 4.3.2 正态云的期望曲线 | 第36-37页 |
| 4.4 云特征提取 | 第37-44页 |
| 4.4.1 期望值的选取 | 第38-39页 |
| 4.4.2 熵值的选取 | 第39-40页 |
| 4.4.3 超熵值的选取 | 第40-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 基于云特征的刀具磨损状态识别与磨损量预测方法研究 | 第45-60页 |
| 5.1 基于LS-SVM的磨损状态分类器 | 第45-49页 |
| 5.2 基于PNN神经网络的磨损状态分类器 | 第49-50页 |
| 5.3 基于BP神经网络的磨损状态分类器 | 第50-51页 |
| 5.4 云定性规则的构造 | 第51-53页 |
| 5.4.1 单条件单规则云发生器 | 第51-52页 |
| 5.4.2 多条件单规则云发生器 | 第52-53页 |
| 5.5 刀具磨损量预测知识 | 第53-54页 |
| 5.5.1 刀具磨损量预测知识基础 | 第53页 |
| 5.5.2 刀具磨损量预测知识的表达方法 | 第53-54页 |
| 5.6 基于云不确定性推理的刀具磨损量预测 | 第54-58页 |
| 5.7 本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第66-67页 |
| 致谢 | 第67页 |