变切削参数铣削加工中刀具破损辨识
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-21页 |
| ·问题的提出 | 第11-18页 |
| ·刀具监控的重要性 | 第11页 |
| ·变切削参数中铣削特点及存在的问题 | 第11-12页 |
| ·刀具破损检测的研究动态与发展趋势 | 第12-13页 |
| ·刀具状态检测方法 | 第13-16页 |
| ·国外的研究动态与发展水平 | 第16-18页 |
| ·课题的研究方案和主要内容 | 第18-19页 |
| ·研究方案 | 第18-19页 |
| ·关键技术 | 第19页 |
| ·课题的目的与意义 | 第19-21页 |
| 2 振动和主轴转速信号采集 | 第21-33页 |
| ·振动和主轴转速信号的采集 | 第21-28页 |
| ·试验设备选取及放大电路设计 | 第21-25页 |
| ·采样程序编制 | 第25-27页 |
| ·实验装备设计 | 第27-28页 |
| ·试验数据采集 | 第28-32页 |
| ·试验数据的标定 | 第32-33页 |
| 3 振动信号的分析与处理 | 第33-42页 |
| ·振动信号的预处理 | 第33-35页 |
| ·去除直流分量 | 第34页 |
| ·巴特沃思低通滤波 | 第34-35页 |
| ·剔除奇异点 | 第35页 |
| ·振动信号的时域与频域分析 | 第35-37页 |
| ·振动信号的时域特征提取 | 第35-36页 |
| ·振动信号的频域特征提取 | 第36-37页 |
| ·试验数据处理 | 第37-42页 |
| 4 人工神经网络在铣刀破损监控系统中的应用 | 第42-53页 |
| ·人工神经网络概述 | 第42-49页 |
| ·人工神经网络分类及特点 | 第42-43页 |
| ·BP网络用在刀具破损系统中的优势及结构 | 第43-49页 |
| ·刀具破损监控系统中BP网络结构设计 | 第49-50页 |
| ·BP网络的输入和输出节点确定 | 第49页 |
| ·BP网络的隐节点数目确定 | 第49页 |
| ·BP网络的范化能力 | 第49-50页 |
| ·刀具破损监控系统的模式识别 | 第50-53页 |
| ·利用BP网络进行刀具破损监控系统过程 | 第50-52页 |
| ·模式识别过程 | 第52-53页 |
| 5 基于BP网络的刀具破损监控系统试验 | 第53-65页 |
| ·面向MATLAB的BP网络设计 | 第53-57页 |
| ·刀具破损监控系统中传递函数的选取 | 第53-54页 |
| ·刀具破损监控系统中算法改进 | 第54-55页 |
| ·刀具破损监控系统的初始化 | 第55-57页 |
| ·铣刀破损监测系统中样本集的选取 | 第57-58页 |
| ·样本集的选取 | 第57页 |
| ·近矛盾样本的处理 | 第57页 |
| ·归一化处理 | 第57-58页 |
| ·刀具破损监控系统试验与结果分析 | 第58-65页 |
| ·刀具破损监控系统试验 | 第58-63页 |
| ·误差分析 | 第63-65页 |
| 6 结论 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 附录A 试验数据处理程序 | 第71-75页 |
| 在学研究成果 | 第75-76页 |
| 致谢 | 第76页 |
