| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 引言 | 第9页 |
| 1.2 刀具磨损状态监测研究现状 | 第9-18页 |
| 1.2.1 信号采集 | 第11-15页 |
| 1.2.2 信号特征提取 | 第15-16页 |
| 1.2.3 模式识别 | 第16-18页 |
| 1.3 本文研究内容 | 第18-19页 |
| 第二章 支持向量机模型理论 | 第19-29页 |
| 2.1 支持向量机模型的提出 | 第19页 |
| 2.2 统计学习理论 | 第19-21页 |
| 2.2.1 VC 维 | 第19-20页 |
| 2.2.2 推广性的界 | 第20页 |
| 2.2.3 结构风险最小化原则 | 第20-21页 |
| 2.3 支持向量机模型 | 第21-27页 |
| 2.3.1 线性支持向量机 | 第21-23页 |
| 2.3.2 非线性支持向量机 | 第23-25页 |
| 2.3.3 核函数 | 第25页 |
| 2.3.4 多分类支持向量机 | 第25-27页 |
| 2.4 支持向量机模型参数选择 | 第27-28页 |
| 2.4.1 核函数的选择 | 第27-28页 |
| 2.4.2 惩罚因子和核参数的选择 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 铣削实验及信号采集处理 | 第29-39页 |
| 3.1 铣削实验 | 第29-33页 |
| 3.1.1 实验设置 | 第29-30页 |
| 3.1.2 切削参数及刀具 | 第30-32页 |
| 3.1.3 材料切削性能分析 | 第32-33页 |
| 3.2 数据采集及预处理 | 第33-38页 |
| 3.2.1 数据采集系统 | 第33-36页 |
| 3.2.2 力信号精确定位分析 | 第36-37页 |
| 3.2.3 信号预处理 | 第37-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 基于SVM的变参数铣削刀具磨损状态分类监测 | 第39-58页 |
| 4.1 力信号时域特征提取及分析 | 第41-46页 |
| 4.2 K-fold 交叉验证原理 | 第46-47页 |
| 4.3 基于 SVM 的变参数铣削刀具磨损状态分类监测 | 第47-56页 |
| 4.3.1 变每齿进给量下刀具磨损状态分类监测 | 第47-53页 |
| 4.3.2 变切削宽度下刀具磨损状态分类监测 | 第53-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 结论与展望 | 第58-60页 |
| 5.1 结论 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 发表论文和参加科研情况说明 | 第66-67页 |
| 致谢 | 第67页 |