| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 前言 | 第10-14页 |
| ·本课题的来源及研究意义 | 第10页 |
| ·相关理论与技术的发展及研究现状 | 第10-13页 |
| ·工程陶瓷磨削技术现状 | 第10-11页 |
| ·声发射技术的发展及在磨削加工中的应用 | 第11-12页 |
| ·声发射技术的发展 | 第11页 |
| ·声发射技术在磨削加工中的应用 | 第11-12页 |
| ·小波理论概述及其在机械加工监测中的应用 | 第12-13页 |
| ·本文的主要工作 | 第13-14页 |
| 2 砂轮声发射信号的小波分析若干关键问题研究 | 第14-30页 |
| ·声发射技术的理论基础 | 第14-17页 |
| ·声发射信号的概念及特点 | 第14-15页 |
| ·声发射信号的分析方法 | 第15-17页 |
| ·参数分析法 | 第15-16页 |
| ·波形分析法 | 第16-17页 |
| ·小波分析的相关概念及算法 | 第17-24页 |
| ·小波分析的相关概念 | 第17-20页 |
| ·连续小波基函数 | 第17-18页 |
| ·连续小波变换 | 第18-19页 |
| ·离散小波变换 | 第19-20页 |
| ·多分辨率分析与Mallat 算法 | 第20-24页 |
| ·各类噪声对声发射信号的影响及消除办法 | 第24-25页 |
| ·砂轮声发射信号小波分析的小波基选取研究 | 第25-27页 |
| ·常用小波基性质研究 | 第25-26页 |
| ·砂轮钝化声发射信号小波分析的小波基选取 | 第26-27页 |
| ·砂轮声发射信号小波变换最大分解尺度（层数）的确定 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 3 小波能量系数法在砂轮声发射信号处理中的应用研究 | 第30-47页 |
| ·砂轮钝化的判定标准 | 第30页 |
| ·磨削参数对砂轮钝化的影响 | 第30-33页 |
| ·工作台速度对AE 信号的影响 | 第31-32页 |
| ·砂轮线速度与磨削深度对AE 信号的影响 | 第32-33页 |
| ·小波能量系数法的应用研究 | 第33-46页 |
| ·小波能量系数的定义 | 第33页 |
| ·具体试验分析 | 第33-46页 |
| ·工作台速度为1200 mm/min 时的AE 信号分析 | 第34-38页 |
| ·工作台速度为2500 mm/min 时的AE 信号分析 | 第38-42页 |
| ·工作台速度为4000 mm/min 时的AE 信号分析 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 4 基于 BP 神经网络的砂轮钝化状态判断应用研究 | 第47-57页 |
| ·人工神经网络概述 | 第47-48页 |
| ·人工神经元模型 | 第47-48页 |
| ·人工神经网络性质 | 第48页 |
| ·BP 神经网络及其算法 | 第48-51页 |
| ·BP 神经网络性质 | 第48-49页 |
| ·BP 算法 | 第49-50页 |
| ·BP 算法的改进 | 第50-51页 |
| ·基于BP 神经网络的砂轮钝化状态判断方法研究 | 第51-52页 |
| ·隐层数与隐层节点的确定 | 第51页 |
| ·传递函数与训练算法的选择 | 第51页 |
| ·学习速度与学习误差的确定 | 第51-52页 |
| ·输入层和输出层节点数与样本选择 | 第52页 |
| ·状态识别神经网络的训练与仿真 | 第52-56页 |
| ·状态识别神经网络的建立 | 第52-53页 |
| ·状态识别神经网络的训练与仿真结论分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 5 结论与展望 | 第57-59页 |
| ·结论 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61页 |
| 个人简历 | 第61页 |
| 发表的学术论文 | 第61页 |
