| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 颤振机理和模型研究 | 第11-12页 |
| 1.2.2 颤振特征量提取和颤振状态识别研究 | 第12-13页 |
| 1.2.3 颤振信号预测方法研究 | 第13-14页 |
| 1.3 论文主要研究内容和技术路线 | 第14-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第二章 时间序列预测模型原理 | 第17-25页 |
| 2.1 自回归AR模型 | 第17-18页 |
| 2.2 移动平均MA模型 | 第18页 |
| 2.3 自回归移动平均ARMA模型 | 第18页 |
| 2.4 ARIMA模型 | 第18-20页 |
| 2.4.1 ARIMA模型理论介绍 | 第18-19页 |
| 2.4.2 ARIMA模型阶次的确定准则 | 第19页 |
| 2.4.3 ARIMA模型预测的基本流程 | 第19-20页 |
| 2.5 AR(p)型高阶模糊时间序列的原理 | 第20-24页 |
| 2.5.1 经典模糊时间序列模型的基本架构 | 第20-21页 |
| 2.5.2 AR(p)型高阶模糊时间序列模型的定义 | 第21页 |
| 2.5.3 AR(p)型高阶模糊时间序列预测模型的算法 | 第21-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 仿真磨削颤振信号预测 | 第25-35页 |
| 3.1 磨削颤振仿真信号发生器 | 第25-28页 |
| 3.2 仿真信号的特征量提取 | 第28-31页 |
| 3.2.1 峰峰值特征量提取 | 第28-29页 |
| 3.2.2 峭度特征提取 | 第29-30页 |
| 3.2.3 实时方差特征提取 | 第30页 |
| 3.2.4 频段能量百分比特征提取 | 第30-31页 |
| 3.3 基于ARIMA模型的仿真颤振信号预测 | 第31-33页 |
| 3.4 基于AR(p)高阶模糊时间序列的仿真颤振信号预测 | 第33-34页 |
| 3.4.1 模型的建立 | 第33-34页 |
| 3.4.2 预测结果 | 第34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 磨床磨削颤振信号的采集与分析 | 第35-40页 |
| 4.1 振动信号采集平台的搭建 | 第35-37页 |
| 4.2 信号采集过程 | 第37-38页 |
| 4.2.1 信号采集与分析步骤 | 第37页 |
| 4.2.2 信号采集条件设定 | 第37页 |
| 4.2.3 不同工况参数设置 | 第37-38页 |
| 4.3 信号分析结果 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 磨削颤振预测实例 | 第40-51页 |
| 5.1 基于AR(p)型高阶模糊时间序列预测模型的颤振预测实例 | 第40-43页 |
| 5.1.1 颤振预测实例流程 | 第40页 |
| 5.1.2 磨削颤振特征量提取 | 第40-41页 |
| 5.1.3 模型的建立 | 第41-42页 |
| 5.1.4 预测结果 | 第42-43页 |
| 5.2 基于ARIMA模型的颤振预测实例 | 第43-47页 |
| 5.2.1 预测过程 | 第43-47页 |
| 5.3 预测评价 | 第47-50页 |
| 5.3.1 预测评价指标 | 第47-48页 |
| 5.3.2 基于AR(p)型高阶模糊时间序列预测模型的颤振预测评价指标 | 第48-49页 |
| 5.3.3 基于ARIMA模型的颤振预测评价指标 | 第49页 |
| 5.3.4 预测结果对比分析 | 第49-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 论文总结 | 第51-52页 |
| 6.2 论文展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间发表的学术论文 | 第58页 |
