| 学位论文原创性声明和学位论文版权使用授权书 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题来源及研究意义 | 第11页 |
| ·相关技术发展及研究现状 | 第11-17页 |
| ·工程陶瓷的发展和研究现状 | 第11-12页 |
| ·超高速磨削和高效深磨技术的发展 | 第12-13页 |
| ·声发射技术的发展状况 | 第13-15页 |
| ·磨削加工过程中的声发射技术研究现状 | 第15-17页 |
| ·本文的主要内容和工作 | 第17-18页 |
| 第2章 声发射技术理论基础 | 第18-28页 |
| ·声发射信号的产生及其来源 | 第18-21页 |
| ·声发射产生的条件 | 第18-20页 |
| ·声发射信号的来源 | 第20-21页 |
| ·影响材料声发射信号强度的因素 | 第21-22页 |
| ·外部因素 | 第21页 |
| ·内部因素 | 第21-22页 |
| ·声发射信号的传播 | 第22-23页 |
| ·声发射信号的类型 | 第23-24页 |
| ·声发射信号处理方法概述 | 第24-27页 |
| ·参数分析方法 | 第24页 |
| ·波形分析方法 | 第24-26页 |
| ·人工神经网络 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 声发射信号实验监测系统及实验方案 | 第28-40页 |
| ·实验设备 | 第28-30页 |
| ·超高速磨削实验台 | 第28-29页 |
| ·砂轮及其修整 | 第29页 |
| ·动平衡仪器 | 第29-30页 |
| ·粗糙度仪器 | 第30页 |
| ·实验材料及力学性能 | 第30-31页 |
| ·声发射信号虚拟仪器采集系统 | 第31-36页 |
| ·声发射信号的检测 | 第31页 |
| ·声发射信号采集硬件装置 | 第31-33页 |
| ·声发射信号虚拟仪器采集软件设计 | 第33-36页 |
| ·小结 | 第36页 |
| ·声发射实验监测系统 | 第36-38页 |
| ·声发射实验监测系统框图 | 第36页 |
| ·AE传感器的安装 | 第36-37页 |
| ·噪声及采样频率 | 第37-38页 |
| ·实验工艺方案 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 工程陶瓷高效深磨过程声发射实验结果分析 | 第40-54页 |
| ·磨削过程声发射信号特征分析 | 第40-44页 |
| ·声发射信号特征分析 | 第40-42页 |
| ·磨削过程中的声发射信号及其特点 | 第42-44页 |
| ·磨削参数及材料对声发射信号的影响 | 第44-48页 |
| ·工作台速度对声发射信号的影响 | 第44-45页 |
| ·砂轮线速度对声发射信号的影响 | 第45-46页 |
| ·磨削深度对声发射信号的影响 | 第46-47页 |
| ·两种材料声发射信号的比较 | 第47页 |
| ·小结 | 第47-48页 |
| ·磨削接触声发射实验分析 | 第48-50页 |
| ·砂轮修整前后声发射实验分析 | 第50-51页 |
| ·工程陶瓷材料高效深磨声发射信号频谱分析 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第5章 基于 BP神经网络的的工件表面粗糙度声发射预测 | 第54-62页 |
| ·BP神经网络模型及基本原理 | 第54-56页 |
| ·BP神经网络结构 | 第54-55页 |
| ·BP神经网络公式及学习算法 | 第55-56页 |
| ·基于 BP神经网络的表面粗糙度预测过程 | 第56-59页 |
| ·Matlab软件介绍 | 第56-57页 |
| ·工件表面粗糙度预测 | 第57-59页 |
| ·预测结果讨论 | 第59-60页 |
| ·本章小结 | 第60-62页 |
| 结论及展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 附录 A(攻读学位期间所发表的学术论文目录) | 第67-68页 |
| 致谢 | 第68页 |