高档数控机床关键部件故障智能诊断技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-21页 |
| ·课题研究的背景与意义 | 第12-13页 |
| ·数控机床的发展概况 | 第13-15页 |
| ·数控机床的发展历程 | 第13-14页 |
| ·数控技术的发展方向 | 第14-15页 |
| ·数控机床故障诊断技术内容 | 第15-17页 |
| ·数控机床故障诊断技术的现状与发展 | 第15-16页 |
| ·数控机床故障的分类 | 第16页 |
| ·数控机床故障的总体特点 | 第16-17页 |
| ·现代智能故障诊断方法 | 第17-19页 |
| ·基于人工智能的诊断方法 | 第17-18页 |
| ·支持向量机在故障诊断中的应用研究 | 第18-19页 |
| ·本文所研究的主要内容 | 第19-21页 |
| 第2章 数控机床智能故障诊断系统结构 | 第21-29页 |
| ·设备故障诊断过程 | 第21页 |
| ·数控机床关键机械部件故障特点 | 第21-25页 |
| ·主轴部件的故障特点 | 第23页 |
| ·滚珠丝杠副故障特点 | 第23-24页 |
| ·导轨副故障特点 | 第24-25页 |
| ·信号测量系统配置 | 第25-27页 |
| ·确定测量参数 | 第25-26页 |
| ·信号测点的选择 | 第26页 |
| ·传感器的选择 | 第26-27页 |
| ·建立信号采集测试系统 | 第27页 |
| ·信号的采集 | 第27-28页 |
| ·信号采集基本原理 | 第27-28页 |
| ·信号采集基本参数设置 | 第28页 |
| ·A/D转换器的位数选择 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第3章 信号处理方法 | 第29-37页 |
| ·机械信号的分类 | 第29-30页 |
| ·机械信号的预处理 | 第30-31页 |
| ·信号的放大 | 第30页 |
| ·信号的滤波 | 第30-31页 |
| ·信号的调制与解调 | 第31页 |
| ·基于小波包的信号特征提取 | 第31-36页 |
| ·传统信号的时域分析 | 第32-34页 |
| ·传统信号的频域分析 | 第34页 |
| ·小波包信号特征提取 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 支持向量机理论 | 第37-49页 |
| ·统计学习理论基础 | 第37-40页 |
| ·机器学习概念 | 第37-38页 |
| ·VC维理论 | 第38页 |
| ·推广性的界 | 第38-39页 |
| ·结构风险最小化原则 | 第39-40页 |
| ·支持向量机 | 第40-48页 |
| ·最优分类超平面 | 第41-42页 |
| ·支持向量机模型 | 第42-47页 |
| ·支持向量机核函数 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 超球面支持向量机理论 | 第49-54页 |
| ·超球面支持向量机算法 | 第49-52页 |
| ·超球面支持向量机算法思想 | 第49-50页 |
| ·One-class SVM算法 | 第50-51页 |
| ·超球面二类别SVM算法 | 第51-52页 |
| ·超球面支持向量机算法研究 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 数控机床故障智能诊断系统设计 | 第54-76页 |
| ·采集硬件选择与安装 | 第54-60页 |
| ·采集卡的选择 | 第54-56页 |
| ·传感器的选择 | 第56-58页 |
| ·传感器的安装 | 第58-60页 |
| ·信号采集系统 | 第60-65页 |
| ·信号采集基本参数设置 | 第60-61页 |
| ·采集系统软件实现 | 第61-65页 |
| ·基于超球面支持向量机的丝杠故障诊断 | 第65-74页 |
| ·特征量的选择 | 第65-69页 |
| ·超球面支持向量机在丝杠故障诊断中的应用 | 第69-74页 |
| ·本章小结 | 第74-76页 |
| 结论与展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 攻读学位期间参加的科研项目和发表的学术论文 | 第84页 |
