数控机床刀具磨损破损检测技术研究
| 摘要 | 第1-3页 |
| Abstract | 第3-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题的背景及选题意义 | 第8-10页 |
| ·课题的背景 | 第8-9页 |
| ·课题来源 | 第9页 |
| ·课题研究目的及意义 | 第9-10页 |
| ·刀具状态监测技术研究现状 | 第10-13页 |
| ·刀具磨损状态监测方法 | 第10-12页 |
| ·信号特征的选取 | 第12页 |
| ·刀具状态识别 | 第12-13页 |
| ·论文研究内容 | 第13-14页 |
| 第2章 刀具磨损监测系统设计 | 第14-24页 |
| ·刀具磨损状态分类 | 第14-15页 |
| ·监测系统装置 | 第15-16页 |
| ·传感器和数据采集卡的选择 | 第15-16页 |
| ·监测系统的硬件组成 | 第16页 |
| ·监测方法研究 | 第16-20页 |
| ·加工对象和加工参数 | 第16-17页 |
| ·加工因素对信号的影响 | 第17-18页 |
| ·正交实验法 | 第18-20页 |
| ·实验步骤 | 第20页 |
| ·影响监测信号的因素分析 | 第20-23页 |
| ·机床空转噪声对信号的影响 | 第20页 |
| ·传感器安装位置对信号的影响 | 第20-21页 |
| ·切削参数对信号的影响 | 第21-23页 |
| ·监测系统设计 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第3章 刀具磨损信号特征提取 | 第24-42页 |
| ·信号时域分析方法 | 第24-25页 |
| ·频域分析与频域特征 | 第25-26页 |
| ·时频域分析 | 第26-35页 |
| ·小波变换 | 第27-29页 |
| ·多分辨率分析 | 第29-31页 |
| ·Mallat算法 | 第31-33页 |
| ·小波包分解 | 第33-34页 |
| ·小波函数的选取 | 第34-35页 |
| ·刀具磨损特征选择 | 第35-40页 |
| ·振动信号的时域分析 | 第35-36页 |
| ·振动信号的频域分析 | 第36-37页 |
| ·振动信号的小波包分析 | 第37-40页 |
| ·基于频段能量特征的提取 | 第40页 |
| ·本章小结 | 第40-42页 |
| 第4章 刀具磨损状态神经网络识别 | 第42-52页 |
| ·神经网络模型 | 第42-45页 |
| ·神经元模型 | 第42-43页 |
| ·BP神经网路结构和算法 | 第43-45页 |
| ·BP神经网络结构参数设计 | 第45-48页 |
| ·输入层和输出层节点数设计 | 第46页 |
| ·隐层设计 | 第46-47页 |
| ·网络学习算法 | 第47-48页 |
| ·刀具磨损状态识别 | 第48-50页 |
| ·构造训练样本 | 第48-50页 |
| ·网络建模 | 第50页 |
| ·网络训练 | 第50页 |
| ·刀具磨损状态验证分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 刀具磨损状态监测系统实现 | 第52-58页 |
| ·基于C++Builder的数据采集 | 第52-54页 |
| ·数据存储与查询 | 第54-55页 |
| ·数据存储 | 第54页 |
| ·数据查询 | 第54-55页 |
| ·Matlab数据分析 | 第55-56页 |
| ·模式识别 | 第56页 |
| ·监测系统 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第6章 结论与展望 | 第58-60页 |
| ·结论 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间的研究成果 | 第65页 |
