基于小波分析和集成神经网络的刀具磨损监测技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-19页 |
| ·本课题研究的目的和意义 | 第9-10页 |
| ·刀具磨损监测技术国内外的发展现状 | 第10-16页 |
| ·国内外研究现状及成果 | 第10-11页 |
| ·国内外刀具磨损技术的研究方法概述 | 第11-16页 |
| ·本论文的主要工作 | 第16-17页 |
| ·刀具磨损状态监测系统构成 | 第16-17页 |
| ·本文主要技术关键 | 第17页 |
| ·本章小结 | 第17-19页 |
| 第2章 刀具状态信号的检测 | 第19-26页 |
| ·刀具状态监测与传感器选择 | 第19-23页 |
| ·多传感器监测原理 | 第20-21页 |
| ·传感器选择 | 第21-23页 |
| ·刀具磨损监测实验系统的建立 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 工程信号分析基础 | 第26-39页 |
| ·信号的时域分析 | 第26-27页 |
| ·信号的频域分析 | 第27-29页 |
| ·小波分析 | 第29-38页 |
| ·小波的定义 | 第29-30页 |
| ·小波变换 | 第30-31页 |
| ·多分辨率及小波包分析 | 第31-34页 |
| ·小波包分析的频带交错 | 第34-37页 |
| ·小波包分解频带能量监测 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 刀具检测信号分析与特征提取 | 第39-58页 |
| ·切削力信号分析 | 第39-49页 |
| ·切削力时域特征 | 第39-43页 |
| ·切削力频域特征 | 第43-44页 |
| ·切削力的小波分析 | 第44-49页 |
| ·振动信号分析 | 第49-56页 |
| ·振动信号时域及频域特征 | 第49-50页 |
| ·振动信号的小波分析 | 第50-56页 |
| ·状态特征的归一化处理 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 基于集成神经网络的刀具磨损监测技术 | 第58-76页 |
| ·神经网络模型 | 第58-60页 |
| ·RBF网络 | 第60-61页 |
| ·BP网络 | 第61-64页 |
| ·网络模型 | 第62页 |
| ·BP算法 | 第62-64页 |
| ·基于BP神经网络的刀具磨损状态识别 | 第64-68页 |
| ·网络结构参数设计 | 第64-65页 |
| ·刀具状态识别 | 第65-68页 |
| ·基于集成神经网络的刀具磨损状态识别 | 第68-75页 |
| ·子神经网络的组建原则 | 第69-70页 |
| ·振动子网络 | 第70页 |
| ·切削分力子网络 | 第70页 |
| ·刀具磨损的集成网络诊断 | 第70-72页 |
| ·决策融合子网络结果 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 结论与展望 | 第76-78页 |
| 1.结论 | 第76-77页 |
| 2.展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 攻读 硕士研究生期间发表的论文 | 第83页 |
