| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 引言 | 第12-13页 |
| 1.2 表面粗糙度预测研究现状 | 第13-16页 |
| 1.2.1 基于切削理论的工件表面粗糙度预测建模 | 第13-14页 |
| 1.2.2 基于回归分析法的工件表面粗糙度预测建模 | 第14-15页 |
| 1.2.3 基于人工神经网络技术的工件表面粗糙度预测建模 | 第15-16页 |
| 1.3 本文采用的研究思路及研究意义 | 第16-17页 |
| 1.4 论文的主要研究内容 | 第17-20页 |
| 1.4.1 本文的主要研究工作 | 第17-18页 |
| 1.4.2 论文结构 | 第18-20页 |
| 第2章 表面粗糙度影响因素分析 | 第20-30页 |
| 2.1 表面形貌形成机理 | 第20-22页 |
| 2.1.1 车削表面形貌的形成 | 第20-21页 |
| 2.1.2 表面形貌的影响因素及仿真 | 第21-22页 |
| 2.2 工件表面粗糙度影响因素分析 | 第22-24页 |
| 2.2.1 切削用量的影响 | 第22页 |
| 2.2.2 刀具的影响 | 第22-23页 |
| 2.2.3 机床以及振动的影响 | 第23-24页 |
| 2.3 振动信号处理方式 | 第24-26页 |
| 2.3.1 时域分析 | 第24页 |
| 2.3.2 频域分析 | 第24-25页 |
| 2.3.3 时频分析 | 第25-26页 |
| 2.3.4 小波分析 | 第26页 |
| 2.4 小波包分析理论 | 第26-29页 |
| 2.5 小结 | 第29-30页 |
| 第3章 刀具振动信号采集实验设计 | 第30-42页 |
| 3.1 传感器的选择 | 第30-32页 |
| 3.1.1 振动测试传感器的类型 | 第30-32页 |
| 3.1.2 压电式加速度传感器的工作原理 | 第32页 |
| 3.2 采样频率的选取 | 第32-34页 |
| 3.3 刀具振动信号采集实验设计 | 第34-38页 |
| 3.3.1 实验设备 | 第34-36页 |
| 3.3.2 实验条件 | 第36-37页 |
| 3.3.3 实验方案 | 第37-38页 |
| 3.4 表面粗糙度测量 | 第38-41页 |
| 3.4.1 表面粗糙度评定参数 | 第38-39页 |
| 3.4.2 表面粗糙度测量方法和结果 | 第39-41页 |
| 3.5 小结 | 第41-42页 |
| 第4章 基于小波包技术的刀具振动信号处理 | 第42-60页 |
| 4.1 刀具振动信号预处理方法 | 第42-45页 |
| 4.2 刀具振动位移信号求解 | 第45-48页 |
| 4.3 刀具振动信号小波包分解与重构 | 第48-50页 |
| 4.4 刀具振动信号各频段能量比值 | 第50-53页 |
| 4.5 刀具振动信号频谱分析 | 第53-58页 |
| 4.6 小结 | 第58-60页 |
| 第5章 工件表面形貌仿真及粗糙度预测 | 第60-72页 |
| 5.1 工件表面粗糙度仿真假设条件 | 第60页 |
| 5.2 理论粗糙度表面形成过程 | 第60-63页 |
| 5.3 工件表面三维形貌仿真 | 第63-70页 |
| 5.3.1 刀具轨迹方程 | 第63-65页 |
| 5.3.2 工件表面形貌仿真 | 第65-70页 |
| 5.4 试验数据分析 | 第70-71页 |
| 5.5 小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-81页 |
| 学位论文评阅及答辩情况表 | 第81页 |