基于刀具磨损状态检测的铣削加工参数优化技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究的背景和意义 | 第9页 |
| 1.3 国内外研究现状及分析 | 第9-16页 |
| 1.3.1 刀具磨损在线检测技术研究现状 | 第9-14页 |
| 1.3.2 加工参数在线优化技术研究现状 | 第14-16页 |
| 1.3.3 国内外研究现状分析 | 第16页 |
| 1.4 论文的主要研究内容 | 第16-18页 |
| 第2章 铣削加工在线参数优化系统总体设计 | 第18-33页 |
| 2.1 铣削加工在线参数优化系统结构及原理 | 第18-19页 |
| 2.2 刀具磨损状态在线检测策略的制定 | 第19-25页 |
| 2.2.1 刀具磨损实验设计 | 第19-21页 |
| 2.2.2 切削力信号特征提取方法 | 第21-25页 |
| 2.2.3 刀具磨损状态预测模型结构的确定 | 第25页 |
| 2.2.4 在线检测的实现 | 第25页 |
| 2.3 铣削加工在线参数优化策略的制定 | 第25-32页 |
| 2.3.1 铣削加工参数优化模型的建立 | 第26-29页 |
| 2.3.2 表面粗糙度偏离程度预测模型结构的确定 | 第29页 |
| 2.3.3 基于遗传算法的参数优化算法 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 刀具磨损状态与表面粗糙度偏离程度预测模型 | 第33-57页 |
| 3.1 切削力信号特征提取 | 第33-46页 |
| 3.1.1 切削力时域特征 | 第33-35页 |
| 3.1.2 切削力频域特征 | 第35-39页 |
| 3.1.3 切削力时频域特征 | 第39-46页 |
| 3.2 刀具磨损特征量的选择 | 第46-47页 |
| 3.3 遗传算法优化的神经网络概述 | 第47-49页 |
| 3.3.1 遗传算法优化BP神经网络的方法 | 第47-48页 |
| 3.3.2 遗传算法的实现 | 第48-49页 |
| 3.4 刀具磨损状态神经网络模型 | 第49-52页 |
| 3.5 表面粗糙度偏离程度神经网络模型 | 第52-54页 |
| 3.6 表面粗糙度偏离程度回归模型 | 第54-56页 |
| 3.6.1 多元线性回归原理 | 第54-55页 |
| 3.6.2 回归系数估计 | 第55-56页 |
| 3.6.3 回归模型的显著性检验 | 第56页 |
| 3.7 本章小结 | 第56-57页 |
| 第4章 在线参数优化系统开发及实验验证 | 第57-67页 |
| 4.1 在线参数优化系统开发 | 第57-60页 |
| 4.1.1 优化系统的组成及其功能 | 第57页 |
| 4.1.2 切削力采集与存储模块 | 第57-58页 |
| 4.1.3 切削力离线分析模块 | 第58-59页 |
| 4.1.4 在线参数优化模块 | 第59-60页 |
| 4.2 离线参数优化实验 | 第60-62页 |
| 4.2.1 优化结果 | 第60-61页 |
| 4.2.2 实验验证 | 第61-62页 |
| 4.3 在线自适应参数优化实验 | 第62-66页 |
| 4.4 本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73页 |
