智能故障诊断融合技术在数控机床故障诊断中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题的研究背景及目的和意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文研究内容 | 第12页 |
| ·本文关键技术及创新点 | 第12-13页 |
| ·本文章节内容安排 | 第13页 |
| 本章小结 | 第13-14页 |
| 第二章 数控机床故障诊断系统总体介绍 | 第14-23页 |
| ·故障诊断技术概述 | 第14页 |
| ·数控机床基本组成及故障机理 | 第14-18页 |
| ·数控机床的工作过程 | 第15页 |
| ·数控机床基本组成 | 第15-17页 |
| ·数控机床的故障机理 | 第17-18页 |
| ·故障诊断的理论和方法 | 第18-21页 |
| ·基于解析模型的故障诊断方法 | 第18-19页 |
| ·基于信号处理的故障诊断方法 | 第19页 |
| ·基于知识的方法 | 第19-21页 |
| ·数控机床故障诊断系统网络结构 | 第21页 |
| ·本地数控机床故障诊断系统结构 | 第21-22页 |
| 本章小结 | 第22-23页 |
| 第三章 云神经网络模型及其应用 | 第23-33页 |
| ·RBF神经网络 | 第23-25页 |
| ·神经网络概述 | 第23页 |
| ·RBF神经网络模型 | 第23-25页 |
| ·云理论基本知识 | 第25-26页 |
| ·云模型 | 第25页 |
| ·云发生器 | 第25-26页 |
| ·RBF云神经网络 | 第26-28页 |
| ·仿真工具MATLAB7.0简介 | 第28页 |
| ·RBF云神经网络应用实例 | 第28-32页 |
| ·在数控机床刀具磨损状态识别中的应用 | 第28-32页 |
| ·在故障诊断中的应用 | 第32页 |
| 本章小结 | 第32-33页 |
| 第四章 数控机床故障诊断机制 | 第33-42页 |
| ·专家系统基本原理 | 第33-34页 |
| ·面向对象的知识表示 | 第34-35页 |
| ·面向对象知识表示概述 | 第34-35页 |
| ·面向对象知识表示基本结构 | 第35页 |
| ·RBR与CBR协调诊断机制基础 | 第35-38页 |
| ·RBR机制 | 第35-36页 |
| ·CBR机制 | 第36-37页 |
| ·数控机床功能结构划分 | 第37-38页 |
| ·RBR与CBR协调诊断机制 | 第38-41页 |
| ·RBR与CBR协调诊断机制组织结构 | 第38-40页 |
| ·RBR与CBR协调诊断机制 | 第40页 |
| ·RBR与CBR的相互转换 | 第40-41页 |
| 本章小结 | 第41-42页 |
| 第五章 系统实现 | 第42-53页 |
| ·系统开发平台 | 第42-43页 |
| ·系统开发技术 | 第42-43页 |
| ·系统软件开发环境 | 第43页 |
| ·系统开发工具MyEclipse6.6介绍 | 第43页 |
| ·数控机床故障诊断专家系统总体设计 | 第43-45页 |
| ·功能需求 | 第43-44页 |
| ·系统功能模块设计 | 第44-45页 |
| ·系统工作流程 | 第45页 |
| ·数控机床故障诊断专家系统设计与实现 | 第45-52页 |
| ·数据库设计 | 第45-48页 |
| ·数据库连接 | 第48-49页 |
| ·数控机床故障诊断专家系统实现 | 第49-51页 |
| ·用Java启动MATLAB | 第51-52页 |
| 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 附录A 铣削实验数据 | 第56-58页 |
| 攻读硕士学位期间发表的学术论文 | 第58-59页 |
| 致谢 | 第59页 |
