基于嵌入式系统的数控机床加工工况信息采集及处理技术的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-5页 |
| 第一章 绪论 | 第5-14页 |
| ·基于嵌入式系统的数控机床状态监测概述 | 第10页 |
| ·数控机床状态监测的目的和意义 | 第10-11页 |
| ·国内外研究概况 | 第11-12页 |
| ·本文研究内容 | 第12页 |
| ·本文的创新点 | 第12-13页 |
| ·本文的结构安排 | 第13页 |
| 本章小结 | 第13-14页 |
| 第二章 基于嵌入式的信息采集系统的总体设计 | 第14-19页 |
| ·总体方案 | 第14-15页 |
| ·硬件结构设计 | 第15-17页 |
| ·硬件需求分析 | 第15页 |
| ·硬件平台的选择 | 第15-17页 |
| ·软件结构设计 | 第17-18页 |
| ·软件需求分析 | 第17页 |
| ·软件平台的选择 | 第17-18页 |
| 本章小结 | 第18-19页 |
| 第三章 数控机床加工工况信息采集 | 第19-32页 |
| ·刀具信号采集 | 第19-24页 |
| ·刀具磨损标准 | 第19-20页 |
| ·刀具状态监测方法的研究 | 第20-22页 |
| ·本文所采用的刀具状态监测方法 | 第22-23页 |
| ·刀具信号采集实验系统的建立 | 第23-24页 |
| ·数控机床加工过程中状况信息采集 | 第24-31页 |
| ·数控机床状态信息采集的特点 | 第25-26页 |
| ·数控机床状态信息采集方法的研究 | 第26-27页 |
| ·FANUC 数控系统的状态信息采集 | 第27-31页 |
| 本章小结 | 第31-32页 |
| 第四章 信号分析与特征提取 | 第32-46页 |
| ·信号的时域分析 | 第32-33页 |
| ·信号的频域分析 | 第33-34页 |
| ·小波分析 | 第34-40页 |
| ·小波的定义 | 第35页 |
| ·小波变换 | 第35-36页 |
| ·多分辨率及小波包分析 | 第36-40页 |
| ·振动信号分析 | 第40-44页 |
| ·振动信号时域及频域特征 | 第41-42页 |
| ·振动信号的小波分析 | 第42-44页 |
| 本章小结 | 第44-46页 |
| 第五章 刀具磨损状态识别 | 第46-57页 |
| ·神经网络 | 第46页 |
| ·神经网络模型 | 第46-48页 |
| ·神经元结构模型 | 第46-47页 |
| ·神经网络的特性 | 第47-48页 |
| ·神经网络的学习 | 第48页 |
| ·神经网络的学习方式 | 第48页 |
| ·神经网络的学习规则 | 第48页 |
| ·BP 神经网络 | 第48-52页 |
| ·BP 网络结构 | 第49页 |
| ·BP 学习算法 | 第49-52页 |
| ·基于BP 神经网络的刀具磨损状态识别 | 第52-53页 |
| ·网络层数的确定 | 第52页 |
| ·输入层和输出层节点数的确定 | 第52页 |
| ·隐层节点数的确定 | 第52-53页 |
| ·样本选择与网络算法 | 第53页 |
| ·特征向量的归一化处理 | 第53页 |
| ·刀具磨损状态识别神经网络的训练与仿真 | 第53-56页 |
| ·刀具磨损状态识别神经网络的建立 | 第53-54页 |
| ·刀具磨损状态识别神经网络的训练与仿真分析 | 第54-56页 |
| 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 攻读硕士学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61-62页 |
