飞机复合材料加工机床刀具状态监测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题的研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状及分析 | 第11-14页 |
| 1.2.1 刀具状态直接监测方法 | 第11-12页 |
| 1.2.2 刀具状态间接监测方法 | 第12-14页 |
| 1.3 本文的研究内容 | 第14-16页 |
| 第二章 刀具磨损机理与声发射信号特性研究 | 第16-24页 |
| 2.1 刀具磨损机理 | 第16-20页 |
| 2.1.1 刀具磨损原因 | 第16-17页 |
| 2.1.2 刀具磨损形态 | 第17-19页 |
| 2.1.3 刀具后刀面磨损过程 | 第19页 |
| 2.1.4 刀具磨钝标准 | 第19-20页 |
| 2.2 刀具磨损声发射信号特性研究 | 第20-23页 |
| 2.2.1 声发射信号产生原理 | 第20-21页 |
| 2.2.2 声发射信号特性研究 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于声发射法的刀具状态监测系统设计 | 第24-30页 |
| 3.1 系统组成与工作原理 | 第24-25页 |
| 3.2 系统硬件设计 | 第25-27页 |
| 3.2.1 加工机床 | 第25页 |
| 3.2.2 传声器 | 第25-26页 |
| 3.2.3 前置放大器 | 第26-27页 |
| 3.2.4 工控机 | 第27页 |
| 3.2.5 加工刀具 | 第27页 |
| 3.3 系统软件设计 | 第27-28页 |
| 3.4 系统实验设置 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 基于时域和频域的声发射信号分析方法研究 | 第30-40页 |
| 4.1 基于时域特征的声发射信号分析方法研究 | 第30-33页 |
| 4.1.1 声发射信号统计特征参数 | 第30-31页 |
| 4.1.2 声发射信号时域特征分析 | 第31-33页 |
| 4.2 基于频域特征的声发射信号分析方法研究 | 第33-38页 |
| 4.2.1 幅频谱与相位谱 | 第33页 |
| 4.2.2 功率谱 | 第33-34页 |
| 4.2.3 Welch平均法功率谱 | 第34-35页 |
| 4.2.4 声发射信号频域特征分析 | 第35-38页 |
| 4.3 本章小结 | 第38-40页 |
| 第五章 基于小波包能量的声发射信号分析方法研究 | 第40-54页 |
| 5.1 小波分析基本理论 | 第40-43页 |
| 5.2 小波包分析方法 | 第43-46页 |
| 5.2.1 小波基的选择 | 第45页 |
| 5.2.2 小波包分解层数的选择 | 第45-46页 |
| 5.3 小波包频带能量特征法原理 | 第46-47页 |
| 5.4 声发射信号特征量提取 | 第47-53页 |
| 5.4.1 声发射信号小波包分析 | 第47-50页 |
| 5.4.2 声发射信号频带能量特征提取 | 第50-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第六章 基于神经网络的刀具磨损状态识别 | 第54-65页 |
| 6.1 神经网络基本理论 | 第54-57页 |
| 6.1.1 神经元模型 | 第54-55页 |
| 6.1.2 BP神经网络模型及算法 | 第55-57页 |
| 6.2 刀具磨损状态识别 | 第57-63页 |
| 6.2.1 识别神经网络的建立 | 第57-59页 |
| 6.2.2 识别神经网络的训练仿真 | 第59-61页 |
| 6.2.3 识别神经网络的测试仿真 | 第61-63页 |
| 6.3 本章小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士期间发表论文 | 第71页 |
