切削加工过程中振动状态及刀具磨损的智能监测技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 1 绪论 | 第11-41页 |
| 1.1 课题来源 | 第11页 |
| 1.2 研究背景与意义 | 第11-13页 |
| 1.3 切削加工过程智能监测技术 | 第13-20页 |
| 1.4 切削振动状态监测技术国内外研究现状与分析 | 第20-28页 |
| 1.5 刀具磨损状态监测技术研国内外究现状与分析 | 第28-39页 |
| 1.6 本文的研究内容及章节安排 | 第39-41页 |
| 2 切削颤振的能量聚集特性及在线检测 | 第41-74页 |
| 2.1 引言 | 第41-42页 |
| 2.2 颤振发展过程的能量聚集现象 | 第42-43页 |
| 2.3 基于能量聚集原理的切削颤振检测原理 | 第43-45页 |
| 2.4 颤振在线自动检测算法实现 | 第45-58页 |
| 2.5 实验结果分析与讨论 | 第58-73页 |
| 2.6 本章小结 | 第73-74页 |
| 3 切削振动信号的特征自学习 | 第74-92页 |
| 3.1 引言 | 第74-76页 |
| 3.2 基于深度信念网络切削信号特征自学习方法 | 第76-80页 |
| 3.3 切削振动信号特征自学习与振动状态检测 | 第80-85页 |
| 3.4 实验结果分析与讨论 | 第85-91页 |
| 3.5 本章小结 | 第91-92页 |
| 4 刀具磨损的在位直接测量 | 第92-125页 |
| 4.1 引言 | 第92-93页 |
| 4.2 刀具磨损图像的在位测量平台设计 | 第93-102页 |
| 4.3 基于图像的刀具磨损值自动计算方法 | 第102-121页 |
| 4.4 钛合金切削过程的刀具磨损历史测量 | 第121-124页 |
| 4.5 本章小结 | 第124-125页 |
| 5 刀具磨损的智能在线跟踪 | 第125-157页 |
| 5.1 引言 | 第125-126页 |
| 5.2 刀具磨损间接预测方法现状与问题 | 第126-131页 |
| 5.3 跟踪算法原理和框架 | 第131-133页 |
| 5.4 刀具磨损自适应跟踪算法 | 第133-145页 |
| 5.5 结果分析与讨论 | 第145-156页 |
| 5.6 本章小结 | 第156-157页 |
| 6 全文总结与工作展望 | 第157-160页 |
| 6.1 本文工作总结 | 第157-158页 |
| 6.2 下一步工作展望 | 第158-160页 |
| 致谢 | 第160-162页 |
| 参考文献 | 第162-185页 |
| 附录 攻读博士学位期间发表的学术论文及成果 | 第185-186页 |
