| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-21页 |
| ·课题研究的目的和研究意义 | 第12-13页 |
| ·课题研究背景 | 第13-14页 |
| ·航空航天用钛合金的切削加工现状 | 第14-16页 |
| ·钛合金的类型及机械物理性能 | 第15-16页 |
| ·钛合金切削加工性特点 | 第16页 |
| ·刀具状态监测研究现状 | 第16-18页 |
| ·刀具状态监测技术的国内外研究现状 | 第16-17页 |
| ·钛合金加工中刀具状态监测研究 | 第17-18页 |
| ·刀具磨损状态监测系统 | 第18-20页 |
| ·信号采集 | 第18-19页 |
| ·特征提取 | 第19页 |
| ·状态识别 | 第19-20页 |
| ·本论文的主要研究内容 | 第20-21页 |
| 第2章 钛合金铣削加工工艺及刀具磨损研究 | 第21-27页 |
| ·铣削加工的原理及特点 | 第21页 |
| ·铣削加工原理 | 第21页 |
| ·铣削加工特点 | 第21页 |
| ·钛合金 TC4 铣削工艺 | 第21-23页 |
| ·钛合金 TC4 的切削性能 | 第21-22页 |
| ·钛合金铣削加工工艺 | 第22-23页 |
| ·刀具磨损指标研究 | 第23-25页 |
| ·刀具磨损过程 | 第23-24页 |
| ·刀具磨损形态及磨钝标准 | 第24-25页 |
| ·刀具磨损状态划分 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第3章 刀具磨损状态监测系统的建立 | 第27-34页 |
| ·监测信号的确定 | 第27-28页 |
| ·系统硬件组成 | 第28-32页 |
| ·试验机床 | 第28页 |
| ·加工工件和刀具 | 第28-29页 |
| ·声发射传感器和前置放大器 | 第29-31页 |
| ·刀具磨损检测仪 | 第31-32页 |
| ·软件组成 | 第32页 |
| ·实验方案 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 声发射信号分析及特征提取 | 第34-49页 |
| ·参数分析 | 第34-36页 |
| ·时域分析 | 第36-37页 |
| ·频域分析 | 第37-39页 |
| ·傅里叶变换 | 第37-38页 |
| ·频域特征 | 第38-39页 |
| ·局部均值分解 | 第39-44页 |
| ·局部均值分解的方法原理 | 第40-42页 |
| ·特征提取 | 第42-44页 |
| ·主元分析 | 第44-48页 |
| ·主元分析的基本原理 | 第44-46页 |
| ·基于主元分析的特征提取 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 基于 BP 神经网络和 SVM 的刀具磨损状态识别 | 第49-62页 |
| ·BP 神经网络 | 第49-54页 |
| ·BP 网络模型及结构 | 第49-50页 |
| ·BP 神经网络算法 | 第50-52页 |
| ·BP 神经网络的设计 | 第52-54页 |
| ·基于 BP 神经网络的刀具磨损状态识别 | 第54-55页 |
| ·支持向量机 | 第55-60页 |
| ·VC 维 | 第55-56页 |
| ·推广性的界 | 第56-57页 |
| ·结构风险最小化原则 | 第57页 |
| ·SVM 原理 | 第57-59页 |
| ·SVM 参数和核函数的确定 | 第59-60页 |
| ·基于 SVM 的刀具磨损状态识别 | 第60页 |
| ·验证 SVM 的有效性 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第69页 |