基于遗传算法的BP神经网络在刀具磨损状态监测中的应用
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-20页 |
| ·本课题研究的目的和意义 | 第10-11页 |
| ·刀具磨损 | 第11-13页 |
| ·刀具磨损状态监测技术的国内外发展现状 | 第13页 |
| ·常用的刀具磨损状态监测技术诊断方法 | 第13-19页 |
| ·间接法常用到的检测信号 | 第14-16页 |
| ·常用的智能识别方法 | 第16-19页 |
| ·本论文主要内容 | 第19-20页 |
| 第2章 刀具磨损状态监测实验平台的建立 | 第20-25页 |
| ·刀具磨损监测实验平台 | 第20-21页 |
| ·硬件配置 | 第21-24页 |
| ·传感器的选择及安装 | 第21-22页 |
| ·其他硬件 | 第22-24页 |
| ·应用软件MATLAB介绍 | 第24-25页 |
| 第3章 信号分析与处理 | 第25-52页 |
| ·时域分析 | 第25-31页 |
| ·频域分析 | 第31-47页 |
| ·功率谱分析 | 第31-41页 |
| ·傅里叶频谱分析 | 第41-47页 |
| ·特征值归一化处理 | 第47-52页 |
| 第4章 基于遗传算法的BP神经网络优化 | 第52-68页 |
| ·遗传算法概述 | 第52-53页 |
| ·标准遗传算法 | 第53-57页 |
| ·标准遗传算法的基本流程 | 第53-54页 |
| ·标准遗传算法的基本要素 | 第54-55页 |
| ·遗传算法的改进研究 | 第55-57页 |
| ·遗传算法在故障诊断中的应用 | 第57-59页 |
| ·利用遗传算法提取、优化特征参数 | 第57页 |
| ·遗传算法与模糊集理论的结合应用 | 第57-58页 |
| ·遗传算法与小波理论的结合应用 | 第58页 |
| ·遗传算法与神经网络的结合应用 | 第58-59页 |
| ·BP神经网络 | 第59-61页 |
| ·BP网络结构 | 第59-60页 |
| ·BP算法 | 第60-61页 |
| ·BP网络的设计要求 | 第61页 |
| ·遗传算法与BP神经网络的结合 | 第61-68页 |
| ·结合的必要性和可行性 | 第61-62页 |
| ·结合方法 | 第62-68页 |
| 第5章 GA-BP刀具磨损状态监测 | 第68-80页 |
| ·BP神经网络建立与刀具磨损状态识别 | 第68-74页 |
| ·结合遗传算法和BP神经网络的刀具磨损状态监测 | 第74-80页 |
| 结论与展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第86-87页 |
