基于人工神经网络对刀具磨损状态监测技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-18页 |
| ·状态监测技术的目的和重要性 | 第13-14页 |
| ·刀具状态监测技术的发展概况与研究成果 | 第14-15页 |
| ·刀具状态监测技术的发展概况 | 第14页 |
| ·刀具状态监测技术的国内外研究成果 | 第14-15页 |
| ·刀具状态监测的方法 | 第15-16页 |
| ·本文的研究内容 | 第16-18页 |
| 第2章 刀具磨损与声发射信号 | 第18-25页 |
| ·刀具磨损形态 | 第18-20页 |
| ·前刀面磨损 | 第18页 |
| ·后刀面磨损 | 第18-19页 |
| ·边界磨损 | 第19-20页 |
| ·磨损过程和磨钝标准 | 第20-21页 |
| ·刀具的磨损过程 | 第20页 |
| ·刀具的磨钝标准 | 第20-21页 |
| ·刀具在切削过程的声发射现象 | 第21-24页 |
| ·声发射现象 | 第21-23页 |
| ·声发射检测频率范围 | 第23页 |
| ·声发射信号作为刀具状态监测信号 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 声发射信号监测系统及实验分析 | 第25-30页 |
| ·声发射信号监测系统的构成 | 第25-27页 |
| ·信号的采集 | 第25-26页 |
| ·信号特征提取的常用方法 | 第26-27页 |
| ·磨损状态识别的常用方法 | 第27页 |
| ·实验分析 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 声发射信号分析及特征提取 | 第30-46页 |
| ·时域分析 | 第30-31页 |
| ·频域分析 | 第31-33页 |
| ·傅里叶变换 | 第31-32页 |
| ·频域特征 | 第32-33页 |
| ·小波分析 | 第33-37页 |
| ·连续小波变换 | 第34页 |
| ·离散小波变换 | 第34-35页 |
| ·Mallat 算法的信号分解过程 | 第35-37页 |
| ·小波包分析 | 第37-42页 |
| ·小波包的空间分解 | 第38页 |
| ·小波包的快速分解算法 | 第38-41页 |
| ·信号的时频域特征 | 第41-42页 |
| ·主元分析 | 第42-45页 |
| ·主元分析算法 | 第42-43页 |
| ·提取信号特征向量的主元 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 基于人工神经网络对刀具磨损状态的识别 | 第46-66页 |
| ·BP 神经网络 | 第46-54页 |
| ·BP 网络模型模型及结构 | 第47页 |
| ·标准BP 网络的学习算法 | 第47-51页 |
| ·BP 网络学习算法的改进 | 第51-53页 |
| ·BP 神经网络的设计 | 第53-54页 |
| ·基于BP 神经网络的刀具磨损状态检测 | 第54-57页 |
| ·小波神经网络 | 第57-62页 |
| ·小波网络的结构形式 | 第57-58页 |
| ·小波网络的学习过程 | 第58-59页 |
| ·小波网络的设计 | 第59-62页 |
| ·基于小波神经网络的刀具磨损状态检测 | 第62-64页 |
| ·本章小结 | 第64-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第72页 |
