| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·刀具故障诊断 | 第9-11页 |
| ·刀具故障诊断的目的和意义 | 第9页 |
| ·刀具故障诊断的研究现状 | 第9-11页 |
| ·刀具故障诊断技术的发展 | 第11-13页 |
| ·信号监测 | 第11页 |
| ·基于信号处理的刀具故障特征提取方法 | 第11-12页 |
| ·刀具状态识别方法 | 第12-13页 |
| ·论文研究的目的、内容及结构 | 第13-15页 |
| 2 切削力信号的采集 | 第15-18页 |
| ·刀具状态的诊断方法 | 第15页 |
| ·切削力信号的测量系统 | 第15-17页 |
| ·切削测力仪 | 第16-17页 |
| ·电荷放大器 | 第17页 |
| ·数据采集软件 | 第17页 |
| ·本章小结 | 第17-18页 |
| 3 基于EMD 方法的切削力信号特征提取 | 第18-35页 |
| ·概述 | 第18页 |
| ·EMD 方法 | 第18-21页 |
| ·EMD 方法分解的基本原理 | 第18-19页 |
| ·Hilbert 谱 | 第19-20页 |
| ·Hilbert 边际谱 | 第20页 |
| ·EMD 方法端点效应的处理 | 第20-21页 |
| ·EMD 方法在信号分析中的应用 | 第21-26页 |
| ·EMD 方法和小波分解方法的比较 | 第21-23页 |
| ·Hilbert 谱与 Winger-Ville 时频谱的比较 | 第23-25页 |
| ·信号的Hilbert 边际谱分析 | 第25-26页 |
| ·基于内禀模态函数能量的特征提取法 | 第26-29页 |
| ·内禀模态能量熵 | 第27-28页 |
| ·特征向量提取的步骤 | 第28-29页 |
| ·实验数据分析 | 第29-34页 |
| ·实验数据的采集 | 第29-30页 |
| ·实验数据的特征向量提取 | 第30-34页 |
| ·本章小结 | 第34-35页 |
| 4 支持向量机分类器 | 第35-48页 |
| ·概述 | 第35页 |
| ·统计学习理论 | 第35-38页 |
| ·经验风险最小化 | 第35-36页 |
| ·VC 维 | 第36-37页 |
| ·推广性的界 | 第37页 |
| ·结构风险最小化 | 第37-38页 |
| ·支持向量机 | 第38-42页 |
| ·最优分类面 | 第39-41页 |
| ·核函数理论 | 第41-42页 |
| ·基于支持向量机的状态识别算法 | 第42-47页 |
| ·支持向量机的模型选择 | 第44-45页 |
| ·支持向量机学习性能测试 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 5 基于EMD 和支持向量机的刀具故障诊断 | 第48-52页 |
| ·概述 | 第48页 |
| ·实验及结果分析 | 第48-51页 |
| ·特征提取 | 第48页 |
| ·故障分类 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间参与的科研项目及发表的学术论文 | 第56-57页 |
| 致谢 | 第57-58页 |