基于EEMD和支持向量机的刀具状态监测方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-16页 |
| ·刀具磨损状态监测研究意义及国内外现状 | 第10-14页 |
| ·刀具磨损状态监测研究意义 | 第10-12页 |
| ·刀具磨损状态监测研究现状 | 第12-14页 |
| ·本课题的主要研究内容 | 第14-16页 |
| 第2章 刀具磨损机理以及监测试验平台介绍 | 第16-23页 |
| ·刀具损坏机理 | 第16-20页 |
| ·刀具磨损及标准 | 第16-19页 |
| ·刀具破损 | 第19-20页 |
| ·刀具磨损信号采集系统 | 第20-22页 |
| ·采集系统的构成 | 第20-21页 |
| ·采集条件确定 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于EEMD方法的刀具特征值抽取 | 第23-40页 |
| ·EMD的基本概念及原理 | 第23-28页 |
| ·基本概念 | 第23-25页 |
| ·经验模态分解过程 | 第25-27页 |
| ·停止准则 | 第27页 |
| ·经验模态分解方法存在的问题 | 第27-28页 |
| ·EEMD的基本概念及原理 | 第28-30页 |
| ·EEMD的发展及应用 | 第28-29页 |
| ·EEMD分解原理 | 第29-30页 |
| ·抽取基于EEMD的刀具磨损特征值 | 第30-39页 |
| ·数据预处理 | 第31-32页 |
| ·EEMD分解时参数设置 | 第32-33页 |
| ·特征值抽取 | 第33-38页 |
| ·特征值归一化 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于支持向量机的刀具磨损状态识别 | 第40-51页 |
| ·统计知识基础 | 第40-42页 |
| ·VC维 | 第40页 |
| ·推广性的界 | 第40-41页 |
| ·结构风险最小化 | 第41-42页 |
| ·支持向量机基本理论 | 第42-46页 |
| ·支持向量机分类器思想 | 第42-43页 |
| ·最优超平面与广义最优超平面 | 第43-44页 |
| ·多分类支持向量机原理 | 第44-45页 |
| ·核函数选择 | 第45-46页 |
| ·基于支持向量机的刀具磨损状态识别 | 第46-50页 |
| ·基于支持向量机的模式识别 | 第46-47页 |
| ·基于神经网络的模式识别(BP、RBF) | 第47-49页 |
| ·基于支持向量机与神经网络模式识别的对比 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 工作总结与展望 | 第51-53页 |
| ·本文工作总结 | 第51页 |
| ·工作展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-56页 |
