| 前言 | 第5-11页 |
| 第1章 绪论 | 第11-35页 |
| 1.1 刀具磨损状态监测研究的目的与意义 | 第11页 |
| 1.2 刀具磨损监测技术的研究现状 | 第11-31页 |
| 1.2.1 监测信号的选择 | 第12-19页 |
| 1.2.2 信号特征的提取 | 第19-26页 |
| 1.2.3 模式识别技术 | 第26-31页 |
| 1.3 刀具状态监测技术存在的问题及发展趋势 | 第31-32页 |
| 1.4 本文主要的研究内容 | 第32-35页 |
| 第2章 刀具磨损状态监测实验系统的构架 | 第35-45页 |
| 2.1 刀具的磨损形式及监测指标的确立 | 第35-39页 |
| 2.1.1 刀具的磨损形式 | 第35-36页 |
| 2.1.2 刀具的磨损过程及磨钝标准 | 第36-39页 |
| 2.1.3 刀具磨损等级的划分 | 第39页 |
| 2.2 影响刀具寿命的因素 | 第39-40页 |
| 2.3 监测信号的确定 | 第40页 |
| 2.4 刀具磨损监测系统的构架 | 第40-42页 |
| 2.4.1 实验数据采集系统 | 第40-42页 |
| 2.4.2 刀具状态识别软件的组成 | 第42页 |
| 2.5 正交试验方法 | 第42-44页 |
| 2.6 本章小结 | 第44-45页 |
| 第3章 基于EMD 和AR 模型的刀具磨损时域特征提取研究 | 第45-63页 |
| 3.1 非平稳信号分析 | 第45-47页 |
| 3.1.1 信号的定义与分类 | 第45页 |
| 3.1.2 非平稳信号处理的数学方法 | 第45-47页 |
| 3.2 基于经验模态分解的声发射信号预处理 | 第47-52页 |
| 3.2.1 经验模态分解原理 | 第47-49页 |
| 3.2.2 声发射信号的经验模态分解 | 第49-52页 |
| 3.3 基于AR 模型的刀具磨损特征提取 | 第52-61页 |
| 3.3.1 模型参数的估计 | 第53-54页 |
| 3.3.2 AR 模型定阶方法研究 | 第54-57页 |
| 3.3.3 基于EMD 和AR 模型的刀具磨损特征提取实例分析 | 第57-61页 |
| 3.4 本章小结 | 第61-63页 |
| 第4章 基于双谱分析的刀具磨损频域特征提取 | 第63-75页 |
| 4.1 高阶累积量与高阶谱 | 第63-66页 |
| 4.1.1 随机变(向)量的特征函数 | 第63-64页 |
| 4.1.2 高阶矩与高阶累积量 | 第64-65页 |
| 4.1.3 双谱的定义 | 第65页 |
| 4.1.4 双谱的性质 | 第65-66页 |
| 4.2 双谱估计方法 | 第66-67页 |
| 4.3 刀具磨损信号的双谱实例分析 | 第67-72页 |
| 4.4 基于双谱奇异值分解的刀具磨损特征提取 | 第72-74页 |
| 4.4.1 奇异值分解原理 | 第72-73页 |
| 4.4.2 双谱奇异值分解特征提取 | 第73-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第5章 基于小波包多尺度分析的刀具磨损特征提取研究 | 第75-89页 |
| 5.1 基于小波包分析的声发射信号预处理 | 第75-81页 |
| 5.1.1 小波变换的理论基础 | 第75-79页 |
| 5.1.2 基于傅里叶变换的信号分析 | 第79-81页 |
| 5.2 信号的小波包分析步骤 | 第81-82页 |
| 5.3 基于小波包变换的信号特征提取 | 第82-88页 |
| 5.3.1 能量特征的提取 | 第82-86页 |
| 5.3.2 小波包分解时域统计特征的提取 | 第86-88页 |
| 5.4 本章小结 | 第88-89页 |
| 第6章 基于特征融合的刀具磨损分类与磨损量预测方法研究 | 第89-113页 |
| 6.1 核主元分析原理 | 第89-93页 |
| 6.1.1 主元分析的几何意义 | 第89-90页 |
| 6.1.2 核主元分析的基本原理 | 第90-92页 |
| 6.1.3 主元个数的确定方法及常用核函数 | 第92-93页 |
| 6.1.4 核主元分析特征提取步骤 | 第93页 |
| 6.2 基于核主元分析的融合特征提取方法 | 第93-98页 |
| 6.2.1 构造联合多特征向量 | 第93-94页 |
| 6.2.2 核主元分析融合特征提取实例计算 | 第94-98页 |
| 6.3 基于最小二乘支持向量机的刀具磨损分类研究 | 第98-106页 |
| 6.3.1 SVM 的分类算法 | 第99-104页 |
| 6.3.2 刀磨损分类实例分析 | 第104-106页 |
| 6.4 基于最小二乘支持向量机回归算法的刀具磨损量预测研究 | 第106-111页 |
| 6.4.1 最小二乘支持向量机的回归算法 | 第106-107页 |
| 6.4.2 预测误差分析指标 | 第107-108页 |
| 6.4.3 刀具磨损量预测实例分析 | 第108-111页 |
| 6.5 本章小结 | 第111-113页 |
| 第7章 刀具磨损在线监测系统的研制 | 第113-123页 |
| 7.1 刀具磨损状态监测仪主要存在的问题 | 第113页 |
| 7.2 实用化刀具磨损监测仪的开发 | 第113-121页 |
| 7.2.1 声发射传感器 | 第114页 |
| 7.2.2 前置放大器 | 第114-115页 |
| 7.2.3 信号调理模块 | 第115页 |
| 7.2.4 数据采集处理模块 | 第115-118页 |
| 7.2.5 显示报警系统 | 第118-121页 |
| 7.3 系统的特色 | 第121-122页 |
| 7.4 本章小结 | 第122-123页 |
| 第8章 结论与展望 | 第123-127页 |
| 8.1 全文总结及主要创新点 | 第123-125页 |
| 8.2 研究展望 | 第125-127页 |
| 参考文献 | 第127-143页 |
| 攻博期间发表的学术论文 | 第143-145页 |
| 致谢 | 第145-146页 |
| 摘要 | 第146-149页 |
| ABSTRACT | 第149-151页 |
