基于切削声音信号的刀具状态识别研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 研究意义 | 第12-13页 |
| 1.2 刀具状态监控技术研究现状 | 第13-18页 |
| 1.2.1 基于切削声音信号刀具监控技术研究现状 | 第15-17页 |
| 1.2.2 基于小波分析刀具监控技术研究现状 | 第17-18页 |
| 1.2.3 基于神经网络刀具识别技术研究现状 | 第18页 |
| 1.3 刀具失效及标准 | 第18-21页 |
| 1.3.1 刀具磨损 | 第18-20页 |
| 1.3.2 刀具破损 | 第20-21页 |
| 1.3.3 刀具磨损测量基准 | 第21页 |
| 1.4 研究内容 | 第21-23页 |
| 第二章 基于切削声音信号的刀具状态监控试验系统 | 第23-33页 |
| 2.1 试验刀具、工件及设备 | 第24-26页 |
| 2.1.1 机床 | 第24页 |
| 2.1.2 刀具与工件 | 第24-25页 |
| 2.1.3 显微镜 | 第25-26页 |
| 2.2 切削声音测量试验系统 | 第26-32页 |
| 2.2.1 测量硬件 | 第26-30页 |
| 2.2.2 测量软件 | 第30-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 刀具磨损与切削声音相关性试验研究 | 第33-49页 |
| 3.1 试验设计 | 第33-34页 |
| 3.1.1 试验方法 | 第33-34页 |
| 3.1.2 加工方式 | 第34页 |
| 3.1.3 试验步骤 | 第34页 |
| 3.2 刀具磨损与切削声音相关性试验研究 | 第34-48页 |
| 3.2.1 时域分析方法 | 第35页 |
| 3.2.2 频域分析方法 | 第35-37页 |
| 3.2.3 切削声音信号时域特征分析 | 第37-40页 |
| 3.2.4 切削声音信号频域特征分析 | 第40-44页 |
| 3.2.5 切削参数对声信号影响分析 | 第44-48页 |
| 3.3 本章小结 | 第48-49页 |
| 第四章 基于小波分析的刀具磨损特征信号研究 | 第49-65页 |
| 4.1 小波变换的基本原理 | 第49-55页 |
| 4.1.1 小波变换 | 第50-51页 |
| 4.1.2 连续小波变换 | 第51页 |
| 4.1.3 离散小波变换 | 第51-52页 |
| 4.1.4 二进小波变换 | 第52-53页 |
| 4.1.5 多分辨率分析及小波包分解 | 第53-55页 |
| 4.1.6 常用小波函数 | 第55页 |
| 4.2 基于小波分解的切削声音信号特征提取 | 第55-64页 |
| 4.2.1 切削声音信号小波分解 | 第56-60页 |
| 4.2.2 切削声音信号特征提取 | 第60-64页 |
| 4.3 本章小结 | 第64-65页 |
| 第五章 刀具磨损状态识别研究 | 第65-79页 |
| 5.1 多特征信息融合识别 | 第65页 |
| 5.2 人工神经网络 | 第65-68页 |
| 5.2.1 BP 神经网络 | 第67-68页 |
| 5.3 基于BP 神经网络的刀具磨损状态识别 | 第68-76页 |
| 5.3.1 识别神经网络建立 | 第69-70页 |
| 5.3.2 识别神经网络训练仿真 | 第70-74页 |
| 5.3.3 识别神经网络测试仿真 | 第74-75页 |
| 5.3.4 神经网络识别结果标准化 | 第75-76页 |
| 5.4 刀具磨损状态识别仿真 | 第76-78页 |
| 5.5 本章小结 | 第78-79页 |
| 第六章 结论与展望 | 第79-81页 |
| 6.1 主要结论 | 第79-80页 |
| 6.2 研究展望 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 致谢 | 第84-86页 |
| 攻读硕士学位期间已发表或录用的论文 | 第86页 |
