切削加工过程中刀具磨损智能监测与切削力预测技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-24页 |
| ·课题研究的目的及意义 | 第11-12页 |
| ·刀具损坏形式及标准 | 第12-14页 |
| ·刀具磨损 | 第12-13页 |
| ·刀具破损 | 第13-14页 |
| ·刀具状态监测技术的研究目标 | 第14页 |
| ·刀具磨损监测技术的国内外研究现状 | 第14-21页 |
| ·刀具磨损监测方法 | 第15-21页 |
| ·主要研究内容 | 第21-24页 |
| ·实验设计 | 第21页 |
| ·监测策略研究 | 第21-22页 |
| ·信号分析与特征选择 | 第22-23页 |
| ·模式识别与可靠性研究 | 第23页 |
| ·趋势预测 | 第23-24页 |
| 第二章 刀具磨损监测的试验设计 | 第24-34页 |
| ·试验装置 | 第24-28页 |
| ·试验对象及加工参数确定 | 第24-26页 |
| ·传感器的选择与安装 | 第26-27页 |
| ·试验机床与检测仪器 | 第27-28页 |
| ·刀具磨损监测系统 | 第28页 |
| ·试验方法研究 | 第28-31页 |
| ·试验目的 | 第28-29页 |
| ·影响信号的因素 | 第29页 |
| ·实验方法 | 第29-31页 |
| ·试验步骤 | 第31-32页 |
| ·影响监测信号特征的因素分析 | 第32-33页 |
| ·传感器安装位置对信号特征的影响 | 第32页 |
| ·切削参数对信号特征的影响 | 第32-33页 |
| ·工件材料对信号特征的影响 | 第33页 |
| ·小结 | 第33-34页 |
| 第三章 信号分析与特征选择 | 第34-53页 |
| ·时域分析与时域特征 | 第34-36页 |
| ·频域分析与频域特征 | 第36-37页 |
| ·小波变换与小波特征 | 第37-41页 |
| ·连续小波变换 | 第38-40页 |
| ·离散小波变换 | 第40-41页 |
| ·特征选择 | 第41-52页 |
| ·信号的分析 | 第42-51页 |
| ·特征选择的方法 | 第51-52页 |
| ·小结 | 第52-53页 |
| 第四章 刀具磨损监测 | 第53-70页 |
| ·BP前馈型神经网络识别 | 第53-62页 |
| ·BP学习算法 | 第54-57页 |
| ·BP算法的不足 | 第57页 |
| ·人工神经网络的建立及识别 | 第57-62页 |
| ·模糊聚类识别 | 第62-65页 |
| ·模糊聚类定义 | 第62-63页 |
| ·模糊聚类分析定理 | 第63页 |
| ·模糊聚类的模式识别 | 第63-65页 |
| ·小波能量的模式识别 | 第65-68页 |
| ·小结 | 第68-70页 |
| 第五章 基于六西格玛原理的切削力预测技术 | 第70-80页 |
| ·六西格玛原理 | 第70页 |
| ·定义实验设计 | 第70-75页 |
| ·数据的分析与测量 | 第75-77页 |
| ·高斯等高线改进 | 第77页 |
| ·实验结果的控制 | 第77-79页 |
| ·小结 | 第79-80页 |
| 结论与展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-88页 |
| 附录 | 第88-91页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第91-92页 |
