基于粗糙集模糊神经网络的微孔钻削在线监测研究
| 提要 | 第1-10页 |
| 第一章 绪论 | 第10-21页 |
| ·课题研究的目的及意义 | 第10-11页 |
| ·在线监测研究概述 | 第11-15页 |
| ·特征参数的选择 | 第11-13页 |
| ·刀具磨损状态的识别方法 | 第13-15页 |
| ·国内外研究现状及发展趋势 | 第15-19页 |
| ·研究现状 | 第15-17页 |
| ·发展趋势 | 第17-19页 |
| ·论文主要研究内容 | 第19-21页 |
| 第二章 在线监测系统设计 | 第21-49页 |
| ·监测系统总体设计 | 第21-22页 |
| ·在线监测硬件系统设计 | 第22-33页 |
| ·传感器的确定 | 第22-29页 |
| ·切削力监测法 | 第22-25页 |
| ·主轴电机电流监测法 | 第25-29页 |
| ·数据采集卡 | 第29-30页 |
| ·单片机控制系统设计 | 第30-33页 |
| ·步进电机驱动电路 | 第30-31页 |
| ·单片机伺服控制单元 | 第31-33页 |
| ·基于虚拟仪器技术的软件系统设计 | 第33-48页 |
| ·虚拟仪器及 LabVIEW | 第33-34页 |
| ·软件功能设计 | 第34-48页 |
| ·串行通讯模块 | 第35-38页 |
| ·数据采集模块 | 第38-43页 |
| ·显示存储模块 | 第43页 |
| ·信号分析模块 | 第43-48页 |
| ·报警退刀模块 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第三章 神经网络监测模型设计 | 第49-62页 |
| ·人工神经网络智能监测理论 | 第49-55页 |
| ·人工神经网络概述 | 第49-50页 |
| ·人工神经网络的结构 | 第50-52页 |
| ·神经元的工作方式 | 第52-53页 |
| ·学习方式 | 第52页 |
| ·学习规则 | 第52-53页 |
| ·BP神经网络 | 第53-55页 |
| ·BP 神经网络监测模型建立 | 第55-61页 |
| ·网络结构及参数选择 | 第55-57页 |
| ·网络训练 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 第四章 基于模糊神经网络的智能监测技术研究 | 第62-79页 |
| ·模糊控制智能监测理论 | 第62-72页 |
| ·模糊数学和模糊集合 | 第62-63页 |
| ·模糊系统 | 第63-72页 |
| ·模糊化 | 第64-66页 |
| ·知识库 | 第66-68页 |
| ·模糊推理 | 第68-70页 |
| ·解模糊 | 第70-72页 |
| ·模糊神经网络 | 第72-74页 |
| ·模糊神经网络监测模型的建立 | 第74-78页 |
| ·本章小结 | 第78-79页 |
| 第五章 基于粗糙集模糊神经网络的微孔钻削在线监测 | 第79-104页 |
| ·粗糙集理论基础 | 第79-86页 |
| ·知识表达系统 | 第80-81页 |
| ·粗糙集的上近似、下近似和范畴 | 第81-82页 |
| ·连续属性的离散和约简 | 第82-85页 |
| ·连续属性离散 | 第82-83页 |
| ·知识约简与核 | 第83-85页 |
| ·差别矩阵与差别函数 | 第85-86页 |
| ·粗糙集模糊规则约简 | 第86-92页 |
| ·规则提取及属性约简 | 第86-90页 |
| ·规则约简 | 第90-92页 |
| ·粗糙集模糊神经网络模型 | 第92-102页 |
| ·网络结构 | 第93-96页 |
| ·学习算法 | 第96-99页 |
| ·算法的改进 | 第99-100页 |
| ·网络学习 | 第100-102页 |
| ·监测实验 | 第102-103页 |
| ·本章小结 | 第103-104页 |
| 第六章 结论与研究展望 | 第104-106页 |
| 参考文献 | 第106-114页 |
| 攻读博士学位期间发表的学术论文 | 第114-115页 |
| 致谢 | 第115-116页 |
| 摘要 | 第116-119页 |
| Abstract | 第119-121页 |
