| 第1章 绪论 | 第1-12页 |
| ·课题研究的内容及意义 | 第7-8页 |
| ·课题研究的内容 | 第7-8页 |
| ·课题研究的意义 | 第8页 |
| ·刀具状态监测的国内外现状 | 第8-10页 |
| ·本课题的主要研究内容 | 第10-12页 |
| 第2章 刀具状态监测的实验及特征的提取 | 第12-35页 |
| ·刀具状态监测实验系统的建立 | 第12-16页 |
| ·传感器的选择 | 第12-13页 |
| ·刀具磨损监测实验系统的建立 | 第13-15页 |
| ·铣刀磨损的形式 | 第15-16页 |
| ·有效特征的提取 | 第16-17页 |
| ·傅立叶变换的基本理论 | 第17-21页 |
| ·周期函数傅立叶级数展开式 | 第17-19页 |
| ·非周期函数傅立叶积分 | 第19页 |
| ·快速傅立叶变换(FFT) | 第19页 |
| ·傅立叶变换在故障诊断中的应用 | 第19-20页 |
| ·短时傅立叶变换(STFT) | 第20-21页 |
| ·信号分析处理的结果 | 第21-35页 |
| ·铣床空转情况下的分析结果 | 第22页 |
| ·在相同加工条件及相同刀具磨损量情况下的分析结果 | 第22-24页 |
| ·在相同加工条件及不同刀具磨损量情况下的分析结果 | 第24-33页 |
| ·有效特征数据的归一化处理 | 第33-35页 |
| 第3章 模糊神经网络在刀具故障诊断中的应用 | 第35-47页 |
| ·模糊神经网络理论基础 | 第35-40页 |
| ·神经网络 | 第35-38页 |
| ·模糊理论与技术 | 第38-39页 |
| ·模糊神经网络 | 第39-40页 |
| ·BP神经网络 | 第40-47页 |
| ·BP网络的结构 | 第40页 |
| ·BP网络对刀具的故障诊断 | 第40-47页 |
| 第4章 B样条模糊神经网络及其在刀具磨损故障诊断中的应用 | 第47-70页 |
| ·格构联想记忆网络 | 第47-48页 |
| ·B样条模糊神经网络 | 第48-56页 |
| ·B样条网络结构 | 第48-49页 |
| ·B样条网络函数的递推 | 第49-55页 |
| ·B样条函数用于模糊神经网络 | 第55-56页 |
| ·B样条模糊神经网络学习算法 | 第56-57页 |
| ·B样条模糊神经网络在刀具故障诊断中的应用 | 第57-69页 |
| ·B样条模糊神经网络与BP网络的对比 | 第69-70页 |
| 结论 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士研究生期间发表的论文 | 第76页 |