| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第13-25页 |
| 1.1 论文来源、研究背景及意义 | 第13-17页 |
| 1.1.1 论文来源 | 第13页 |
| 1.1.2 研究背景 | 第13-16页 |
| 1.1.3 研究目的及意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-22页 |
| 1.2.1 状态监测技术研究现状 | 第17-18页 |
| 1.2.2 故障预测及健康管理技术研究现状 | 第18-22页 |
| 1.2.3 数控机床故障预测及健康管理研究现状 | 第22页 |
| 1.3 主要研究内容 | 第22-24页 |
| 1.4 章节安排 | 第24-25页 |
| 第2章 盘式刀库故障机理分析与PHM体系结构设计 | 第25-45页 |
| 2.1 盘式刀库结构及工作原理 | 第25-31页 |
| 2.1.1 盘式刀库结构分析 | 第26页 |
| 2.1.2 刀库控制原理分析 | 第26-28页 |
| 2.1.3 ATC工作原理分析 | 第28-31页 |
| 2.2 盘式刀库故障及原因分析 | 第31-43页 |
| 2.2.1 故障分析方法 | 第33页 |
| 2.2.2 盘式刀库故障树分析 | 第33-42页 |
| 2.2.3 盘式刀库典型故障征兆提取 | 第42-43页 |
| 2.3 盘式刀库的PHM体系结构 | 第43-44页 |
| 2.4 本章小结 | 第44-45页 |
| 第3章 盘式刀库状态监测与健康状态综合评估 | 第45-73页 |
| 3.1 概述 | 第45页 |
| 3.2 盘式刀库状态监测 | 第45-58页 |
| 3.2.1 状态监测性能指标确定 | 第45-48页 |
| 3.2.2 性能指标的监测方法 | 第48-56页 |
| 3.2.3 性能指标范围值确定 | 第56-58页 |
| 3.3 基于灰色聚类和熵权法的盘式刀库健康状态评估 | 第58-70页 |
| 3.3.1 灰色聚类理论 | 第59-61页 |
| 3.3.2 熵权法 | 第61-62页 |
| 3.3.3 盘式刀库健康状态综合评估 | 第62-70页 |
| 3.4 本章小结 | 第70-73页 |
| 第4章 基于ARMA模型的盘式刀库故障预测方法研究 | 第73-91页 |
| 4.1 概述 | 第73-74页 |
| 4.2 故障预测方法介绍 | 第74-76页 |
| 4.2.1 基于物理模型的故障预测方法 | 第74-75页 |
| 4.2.2 基于数据驱动的故障预测方法 | 第75-76页 |
| 4.2.3 基于可靠性模型的故障预测方法 | 第76页 |
| 4.3 时间序列ARMA模型 | 第76-77页 |
| 4.4 基于ARMA模型的盘式刀库故障预测 | 第77-90页 |
| 4.4.1 数据处理与检验 | 第78-83页 |
| 4.4.2 模型建立 | 第83-87页 |
| 4.4.3 模型检验 | 第87-88页 |
| 4.4.4 盘式刀库故障预测 | 第88-90页 |
| 4.5 本章小结 | 第90-91页 |
| 第5章 基于Labview的盘式刀库PHM系统设计与实现 | 第91-103页 |
| 5.1 概述 | 第91页 |
| 5.2 系统结构设计 | 第91-92页 |
| 5.3 状态监测模块设计 | 第92-95页 |
| 5.3.1 程序设计 | 第93页 |
| 5.3.2 FPGA采集程序设计 | 第93页 |
| 5.3.3 RT程序设计 | 第93-95页 |
| 5.4 数据管理模块设计 | 第95-99页 |
| 5.4.1 数据存储模块设计 | 第96-98页 |
| 5.4.2 数据读取模块设计 | 第98-99页 |
| 5.5 健康状态评估模块设计 | 第99-100页 |
| 5.6 故障预测模块设计 | 第100-101页 |
| 5.7 维修策略模块设计 | 第101页 |
| 5.8 本章小结 | 第101-103页 |
| 第6章 总结与展望 | 第103-105页 |
| 6.1 总结 | 第103-104页 |
| 6.2 展望 | 第104-105页 |
| 参考文献 | 第105-111页 |
| 作者简介及科研成果 | 第111-113页 |
| 致谢 | 第113页 |
