| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-14页 |
| 1.1 引言 | 第11页 |
| 1.2 本课题研究的目的及意义 | 第11-12页 |
| 1.3 磨加工监控系统应用现状 | 第12页 |
| 1.4 本课题主要研究内容 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 基于声发射的磨加工在线监测系统的构建 | 第14-26页 |
| 2.1 磨加工监控系统 | 第14-16页 |
| 2.2 声发射监测技术 | 第16-20页 |
| 2.2.1 声发射信号 | 第16-18页 |
| 2.2.2 声发射监测原理 | 第18-20页 |
| 2.3 基于AE的磨加工在线监测系统组成 | 第20-21页 |
| 2.4 基于Labview和PC的开发平台 | 第21-23页 |
| 2.5 基于FPGA+工控机的开发平台 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 3 磨加工AE信号的信号分析处理技术研究 | 第26-37页 |
| 3.1 磨削声发射信号特点及分析参数选取 | 第26-27页 |
| 3.1.1 磨削声发射信号的频率特点 | 第26页 |
| 3.1.2 磨削声发射信号的分析参数选取 | 第26-27页 |
| 3.2 磨削声发射信号处理的方案研究 | 第27-32页 |
| 3.2.1 磨加工AE信号分段滤波技术研究 | 第27-31页 |
| 3.2.2 磨加工AE信号特征参量提取与强度调整技术研究 | 第31-32页 |
| 3.3 磨加工AE信号分析处理Labview程序模块开发 | 第32-36页 |
| 3.3.1 AE信号分段滤波模块的设计开发 | 第32-34页 |
| 3.3.2 AE信号均方根电压提取及强度调整模块的设计开发 | 第34-35页 |
| 3.3.3 子VI的生成及AE信号分析处理模块的综合 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 磨削加工自学习状态判断技术研究 | 第37-44页 |
| 4.1 磨削加工状态判断原理研究 | 第37-39页 |
| 4.2 磨削加工自学习状态判断方法研究与Labview模块设计 | 第39-43页 |
| 4.2.1 磨削加工自学习模式 | 第39-41页 |
| 4.2.2 基于Labview的磨加工状态判断模块开发 | 第41-43页 |
| 4.3 本章小结 | 第43-44页 |
| 5 基于声发射的磨加工在线监测系统程序设计及实验分析 | 第44-70页 |
| 5.1 磨加工在线监测系统功能流程设计 | 第44-46页 |
| 5.2 基于Labview的磨加工在线监测双线程程序设计 | 第46-57页 |
| 5.2.1 Labview中的双线程技术 | 第46-47页 |
| 5.2.2 局部变量法设计数据采集线程 | 第47-48页 |
| 5.2.3 生产/消费者模式设计数据采集线程 | 第48-49页 |
| 5.2.4 基于Labview的磨加工在线监测双线程程序实验分析 | 第49-57页 |
| 5.2.4.1 实时性分析 | 第51-52页 |
| 5.2.4.2 功能测试 | 第52-57页 |
| 5.3 AE信号的滤波处理在FPGA+工控机平台下的实现与实验分析 | 第57-68页 |
| 5.3.1 FIR带通滤波器系数的确定 | 第58页 |
| 5.3.2 基于FPGA的带通滤波器模块设计 | 第58-66页 |
| 5.3.3 基于FPGA的磨加工AE信号滤波程序实验分析 | 第66-68页 |
| 5.4 本章小结 | 第68-70页 |
| 6 结论与展望 | 第70-72页 |
| 6.1 结论 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-77页 |
| 硕士期间的科研成果及发表学术论文情况 | 第77页 |
