| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景和意义 | 第10-11页 |
| 1.2 数控机床加工状态远程监测国内外研究情况 | 第11-12页 |
| 1.3 泛在制造的国内外研究情况 | 第12-13页 |
| 1.4 BP人工神经网络在数控机床状态监测中的应用 | 第13-14页 |
| 1.5 课题的提出及主要工作 | 第14-15页 |
| 1.6 小结 | 第15-16页 |
| 第2章 基于泛在制造的数控机床加工状态监测系统 | 第16-24页 |
| 2.1 泛在网络体系架构 | 第16-18页 |
| 2.2 泛在感知网络 | 第18-19页 |
| 2.3 泛在制造的体系架构 | 第19-21页 |
| 2.4 基于泛在制造的数控机床加工状态监测系统的架构 | 第21-23页 |
| 2.4.1 基于泛在制造的车间无线传感网络的布置 | 第21-22页 |
| 2.4.2 基于泛在制造的多传感器信息融合算法 | 第22-23页 |
| 2.5 小结 | 第23-24页 |
| 第3章 数控机床加工状态试验平台的建立 | 第24-32页 |
| 3.1 试验对象及加工参数确定 | 第24-25页 |
| 3.2 试验装置 | 第25-28页 |
| 3.2.1 传感器的选择与安装 | 第25-28页 |
| 3.2.2 无线数据采集模块WLS-9234 | 第28页 |
| 3.3 数控机床加工状态监测系统 | 第28-30页 |
| 3.3.1 数控机床加工状态监测系统的基本组成 | 第28-29页 |
| 3.3.2 指状铣刀加工状态监测系统 | 第29-30页 |
| 3.4 试验步骤 | 第30页 |
| 3.5 小结 | 第30-32页 |
| 第4章 数控机床加工状态信号分析与特征选择 | 第32-52页 |
| 4.1 时域分析与时域特征 | 第32-33页 |
| 4.2 频域分析与频域特征 | 第33-35页 |
| 4.3 数控机床加工状态信号分析 | 第35-49页 |
| 4.3.1 神经网络的样本信号截取 | 第35-37页 |
| 4.3.2 数控机床加工状态信号的时域分析 | 第37-46页 |
| 4.3.3 数控机床加工状态信号的频域分析 | 第46-49页 |
| 4.4 神经网络训练特征的选择 | 第49-51页 |
| 4.4.1 特征的相关性分析 | 第49-50页 |
| 4.4.2 特征选择的方法 | 第50-51页 |
| 4.5 小结 | 第51-52页 |
| 第5章 基于BP人工神经网络的状态监测 | 第52-72页 |
| 5.1 人工神经网络的基本模型 | 第52-53页 |
| 5.2 人工神经网络的学习规则 | 第53-54页 |
| 5.3 BP人工神经网络 | 第54-60页 |
| 5.3.1 人工神经元 | 第55-56页 |
| 5.3.2 神经元功能函数 | 第56页 |
| 5.3.3 BP神经网络结构与算法 | 第56-60页 |
| 5.4 基于BP神经网络的数控机床加工状态监测 | 第60-71页 |
| 5.4.1 数控机床加工状态识别的神经网络参数设计 | 第60-63页 |
| 5.4.2 数控机床切削时刀具磨损状态识别 | 第63-69页 |
| 5.4.3 数控机床切削时刀具磨损量预测 | 第69-71页 |
| 5.5 小结 | 第71-72页 |
| 第6章 结论与展望 | 第72-74页 |
| 6.1 结论 | 第72页 |
| 6.2 展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 攻读硕士学位期间发表的论文 | 第80页 |
