基于贝叶斯网络的数控平面磨床磨削状态智能监测研究

致谢	第1-5页
摘要	第5-6页
Abstract	第6-7页
目录	第7-10页
1 绪论	第10-19页
·课题来源及研究意义	第10-12页
·磨削状态监测的研究现状及展望	第12-16页
·磨削声发射技术的应用现状	第12页
·磨削状态智能监测技术的研究现状	第12-15页
·基于贝叶斯网络进行平面磨削监测	第15-16页
·论文的结构与主要研究内容	第16-19页
·论文的总体框架	第16页
·论文的主要研究内容	第16-19页
2 贝叶斯网络理论	第19-32页
·贝叶斯网络数学模型	第19-24页
·贝叶斯方法基本观点	第19-21页
·联合概率分布的分解	第21-22页
·图模型理论	第22-23页
·贝叶斯网络的概念	第23-24页
·贝叶斯网络的构建	第24-25页
·确定变量集和变量域	第24页
·确定网络结构	第24-25页
·确定网络参数	第25页
·贝叶斯网络的推理	第25-28页
·贝叶斯网络推理的分类	第25-26页
·变量消元算法	第26-27页
·团树传播算法	第27-28页
·贝叶斯网络的学习	第28-31页
·贝叶斯网络结构学习	第28-29页
·贝叶斯网络参数学习	第29-31页
·本章小结	第31-32页
3 平面磨削声发射信号检测与分析	第32-42页
·声发射技术	第32-34页
·声发射的产生机理	第32-33页
·磨削声发射的来源	第33页
·影响磨削声发射特性的因素	第33-34页
·实验用磨削声发射信号采集系统	第34-35页
·采集系统硬件介绍	第34-35页
·采样频率设置	第35页
·AE信号的处理分析	第35-41页
·预处理	第35-38页
·时域分析及其Matlab实现	第38-40页
·频域分析及其Matlab实现	第40-41页
·本章小结	第41-42页
4 基于贝叶斯网络的平面磨削状态监测模型的建立	第42-52页
·利用贝叶斯网络实现平面磨削状态监测的优点	第42-43页
·平面磨削状态监测贝叶斯网络模型的构造	第43-46页
·确定节点及其状态	第43-45页
·网络结构确定	第45-46页
·网络先验参数确定	第46页
·平面磨削状态监测贝叶斯网络模型的推理	第46-49页
·构建网络的团树	第47-48页
·CTP实现混合推理	第48-49页
·平面磨削状态监测贝叶斯网络模型的参数学习	第49-51页
·先验数据的处理	第50页
·样本数据的处理	第50-51页
·网络的后验概率	第51页
·本章小结	第51-52页
5 平面磨削智能监测系统的软件实现	第52-63页
·平面磨削智能监测软件的需求分析	第52-54页
·监测模型网络构建功能的需求分析	第52-53页
·监测模型推理功能的需求分析	第53-54页
·监测模型学习功能的需求分析	第54页
·系统开发环境	第54-55页
·平面磨削智能监测系统的程序结构	第55-57页
·平面磨削智能监测系统的整体结构图	第55-57页
·监测软件基于VC++的程序开发流程	第57页
·平面磨削监测贝叶斯网络各功能模块的设计	第57-62页
·平面磨削监测贝叶斯网络构建模块的实现	第58-59页
·平面磨削监测网络推理模块的实现	第59页
·平面磨削监测网络顺序学习模块的实现	第59-60页
·平面磨削监测网络批量学习模块的实现	第60页
·图形用户界面模块的设计	第60-62页
·本章小结	第62-63页
6 平面磨削智能监测系统的运行与测试	第63-77页
·实验方案设计	第63-65页
·样本数据采集	第65-68页
·声发射信号有效值	第65-66页
·砂轮接触状态输入	第66-67页
·砂轮钝化状态输入	第67-68页
·工件粗糙度输入	第68页
·贝叶斯网络模型的实验验证	第68-76页
·样本数据离散化	第68-70页
·网络参数学习	第70-71页
·推理验证	第71-76页
·本章小结	第76-77页
7 结论与展望	第77-79页
·结论	第77-78页
·研究展望	第78-79页
作者攻读硕士学位期间发表的论文和参加科研情况	第79-80页
参考文献	第80-85页