| 摘要 | 第8-10页 |
| Abstract | 第10-12页 |
| 第1章 绪论 | 第13-30页 |
| 1.1 刀具状态监测研究的背景及意义 | 第13-14页 |
| 1.2 国内外刀具状态监测技术研究的现状 | 第14-26页 |
| 1.2.1 监测方法 | 第14-19页 |
| 1.2.2 特征提取方法 | 第19-21页 |
| 1.2.3 特征优化方法 | 第21-22页 |
| 1.2.4 决策方法 | 第22-24页 |
| 1.2.5 多传感器信息融合技术 | 第24-25页 |
| 1.2.6 实用化研究 | 第25-26页 |
| 1.3 刀具磨损监测技术的难点及有待解决的问题 | 第26-28页 |
| 1.4 本文的主要研究内容与章节安排 | 第28-30页 |
| 第2章 刀具磨损状态监测实验设计 | 第30-40页 |
| 2.1 刀具磨损相关理论的研究与监测指标的确定 | 第30-34页 |
| 2.1.1 刀具磨损形态 | 第30-31页 |
| 2.1.2 刀具磨损过程 | 第31-32页 |
| 2.1.3 刀具磨钝标准及磨损量区间的设定 | 第32-33页 |
| 2.1.4 影响刀具寿命的因素及正交实验设计 | 第33-34页 |
| 2.2 实验系统设计 | 第34-37页 |
| 2.2.1 监测信号的选择 | 第34-35页 |
| 2.2.2 实验系统的搭建 | 第35-37页 |
| 2.3 实验数据采集方法设计 | 第37-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第3章 信号特征提取方法研究 | 第40-70页 |
| 3.1 AE信号特征提取 | 第40-55页 |
| 3.1.1 小波变换理论 | 第41-45页 |
| 3.1.2 基于小波包变换的信号滤波 | 第45-49页 |
| 3.1.3 分形理论与广义分形维数 | 第49-52页 |
| 3.1.4 改进的盒计数法与广义分形维数特征提取 | 第52-55页 |
| 3.2 切削声信号特征提取 | 第55-63页 |
| 3.2.1 Hilbert-Huang变换理论 | 第56-58页 |
| 3.2.2 基于EMD的信号滤波与特征提取 | 第58-61页 |
| 3.2.3 Hilbert边际能量特征提取 | 第61-63页 |
| 3.3 主轴电机电流信号特征提取 | 第63-68页 |
| 3.3.1 小波包能量特征提取 | 第63-66页 |
| 3.3.2 小波包重构系数时频矩阵的奇异值特征提取 | 第66-68页 |
| 3.4 信号特征样本 | 第68-69页 |
| 3.5 本章小结 | 第69-70页 |
| 第4章 刀具磨损状态的单一传感器信息监测方法 | 第70-100页 |
| 4.1 BP神经网络监测方法 | 第70-78页 |
| 4.1.1 BP神经网络 | 第70-73页 |
| 4.1.2 BP神经网络监测模型与监测效果 | 第73-78页 |
| 4.2 模糊神经网络监测方法 | 第78-84页 |
| 4.2.1 TS型模糊神经网络 | 第78-80页 |
| 4.2.2 模糊神经网络监测模型与监测效果 | 第80-84页 |
| 4.3 支持向量机监测方法 | 第84-93页 |
| 4.3.1 支持向量机 | 第84-90页 |
| 4.3.2 支持向量机监测模型与监测效果 | 第90-93页 |
| 4.4 BP神经网络、模糊神经网络与支持向量机监测效果对比 | 第93-96页 |
| 4.5 改进的实验数据采集方法效果验证 | 第96-99页 |
| 4.6 本章小结 | 第99-100页 |
| 第5章 信号特征及支持向量机模型参数优化方法 | 第100-116页 |
| 5.1 遗传算法理论 | 第100-102页 |
| 5.1.1 基本遗传算法 | 第100-102页 |
| 5.1.2 多种群遗传算法 | 第102页 |
| 5.2 信号特征优化 | 第102-107页 |
| 5.3 支持向量机模型参数优化 | 第107-111页 |
| 5.4 优化效果 | 第111-115页 |
| 5.5 本章小结 | 第115-116页 |
| 第6章 刀具磨损状态监测的多传感器信息特征层融合方法 | 第116-123页 |
| 6.1 特征层融合模型的搭建 | 第116页 |
| 6.2 信号特征与模型参数优化 | 第116-119页 |
| 6.3 监测效果 | 第119-120页 |
| 6.4 不同类型监测信号组合下的特征层融合 | 第120-122页 |
| 6.5 本章小结 | 第122-123页 |
| 第7章 刀具磨损状态监测的多传感器信息决策层融合方法 | 第123-135页 |
| 7.1 决策层融合模型的搭建 | 第123-124页 |
| 7.2 决策层融合的实现方法 | 第124-125页 |
| 7.3 监测效果 | 第125-128页 |
| 7.4 不同类型监测信号组合下的决策层融合 | 第128-132页 |
| 7.5 基于决策层为FNN模型的刀具磨损量预测 | 第132-134页 |
| 7.6 本章小结 | 第134-135页 |
| 第8章 结论与展望 | 第135-139页 |
| 8.1 研究总结 | 第135-136页 |
| 8.2 主要创新点 | 第136-138页 |
| 8.3 研究展望 | 第138-139页 |
| 参考文献 | 第139-148页 |
| 致谢 | 第148-149页 |
| 攻读博士学位期间发表的论文及科研情况 | 第149-150页 |
| 作者简介 | 第150页 |
