| 第1章 绪论 | 第1-14页 |
| 1．1 概述 | 第10-11页 |
| 1．2 状态监测与故障诊断技术的发展及研究概况 | 第11-12页 |
| 1．3 课题来源及研究意义 | 第12-13页 |
| 1．4 论文的主要研究内容 | 第13-14页 |
| 第2章 数控线切割智能状态监测系统总体方案设计 | 第14-19页 |
| 2．1 系统设计的基本原则 | 第14-15页 |
| 2．2 系统的总体结构 | 第15-17页 |
| 2．2．1 特征信号采集子系统 | 第15-16页 |
| 2．2．2 网络学习子系统 | 第16页 |
| 2．2．3 状态监测子系统 | 第16-17页 |
| 2．3 硬件系统 | 第17页 |
| 2．4 软件系统 | 第17-18页 |
| 2．5 本章小结 | 第18-19页 |
| 第3章 特征信号采集与信号处理技术 | 第19-35页 |
| 3．1 运行状态特征信号的选择 | 第19-20页 |
| 3．2 运行状态特征信号的检测 | 第20-22页 |
| 3．2．1 相对空载率、相对火花放电率及相对短路率的检测 | 第20页 |
| 3．2．2 放电间隙电压与放电间隙电流的检测 | 第20-21页 |
| 3．2．3 电极丝张力的检测 | 第21-22页 |
| 3．3 数据采集卡的选择 | 第22-23页 |
| 3．4 运行状态特征信号采集的软件编程 | 第23-27页 |
| 3．4．1 特征信号采集的参数设置 | 第23-24页 |
| 3．4．2 特征信号采集的软件编程 | 第24-27页 |
| 3．5 特征信号处理技术 | 第27-32页 |
| 3．5．1 常用曲线平滑（即数字滤波）方法 | 第29-30页 |
| 3．5．2 数控线切割机床特征信号处理 | 第30-32页 |
| 3．6 数控切线割机床电极丝的简单力分析 | 第32页 |
| 3．7 本章小结 | 第32-35页 |
| 第4章 基于人工神经网络的数控线切割机床运行状态建模技术 | 第35-53页 |
| 4．1 多层前馈神经网络及其结构 | 第35-42页 |
| 4．1．1 人工神经元模型 | 第35-36页 |
| 4．1．2 多层前馈神经网络结构模型及BP算法实现 | 第36-42页 |
| 4．2 多层前馈神经网络的软件实现 | 第42-46页 |
| 4．3 网络学习误差曲线的绘制 | 第46-48页 |
| 4．3．1 坐标轴的分度 | 第47页 |
| 4．3．2 学习误差曲线的绘制 | 第47-48页 |
| 4．4 数控线切割机床电极丝工作状态建模 | 第48-51页 |
| 4．4．1 电极丝工作状态辨识神经网络结构分析 | 第48-49页 |
| 4．4．2 电极丝工作状态学习样本的构筑 | 第49-51页 |
| 4．5 空载、短路状态劣化度评价 | 第51页 |
| 4．6 本章小结 | 第51-53页 |
| 第5章 状态监测子系统的软件设计与实现 | 第53-63页 |
| 5．1 特征信号历史曲线 | 第53-55页 |
| 5．1．1 历史曲线控件 | 第53-54页 |
| 5．1．2 数控线切割机床运行状态特征信号历史曲线显示 | 第54-55页 |
| 5．2 数控线切割机床电极丝工作状态辨识模块 | 第55-58页 |
| 5．2．1 电极丝工作状态辨识 | 第55-58页 |
| 5．2．2 电极丝工作状态显示 | 第58页 |
| 5．3 数控线切割机床运行状态综合劣化度模块 | 第58-62页 |
| 5．3．1 运行状态劣化度概念的提出 | 第59-61页 |
| 5．3．2 运行状态综合劣化度显示 | 第61-62页 |
| 5．4 本章小结 | 第62-63页 |
| 第6章 实验研究 | 第63-70页 |
| 6．1 实验设备 | 第63页 |
| 6．2 监测特征信号及传感器配置 | 第63页 |
| 6．3 实验结果 | 第63-69页 |
| 6．3．1 运行状态特征信号采集 | 第63-64页 |
| 6．3．2 电极丝工作状态辨识 | 第64页 |
| 6．3．3 数控线切割机床运行状态监测 | 第64-69页 |
| 6．4 本章小结 | 第69-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第75-76页 |
| 致谢 | 第76页 |
