| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 排屑钻加工的特点 | 第9-10页 |
| 1.2 切削过程中粗糙度预测的国内外研究现状 | 第10-11页 |
| 1.3 基于工艺参数与监测信号的钻削表面粗糙度预测关键技术 | 第11-15页 |
| 1.3.1 传感器信号的选择 | 第11-12页 |
| 1.3.2 监测信号的去噪以及特征参数的选取 | 第12-13页 |
| 1.3.3 工艺参数和监测信号均方根值与粗糙度关系研究 | 第13-14页 |
| 1.3.4 预测模型的建立 | 第14-15页 |
| 1.4 本文主要研究内容及课题来源 | 第15-17页 |
| 第2章 排屑钻实验 | 第17-24页 |
| 2.1 排屑钻实验平台搭建 | 第17-19页 |
| 2.2 数据采集与预处理 | 第19-23页 |
| 2.2.1 数据采集与描述 | 第19-21页 |
| 2.2.2 振动信号趋势项的去除 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 小波包分频谱减去噪 | 第24-36页 |
| 3.1 谱减法原理 | 第24-25页 |
| 3.2 基于经典谱减法的小波包分频谱减算法及其仿真 | 第25-26页 |
| 3.3 仿真分析 | 第26-29页 |
| 3.4 小波包分频谱减在监测信号中的应用 | 第29-33页 |
| 3.5 排屑钻阶段及瞬态点划分 | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 工艺参数和监测信号对粗糙度的影响规律分析 | 第36-44页 |
| 4.1 工艺参数对表面粗糙度的影响 | 第36-39页 |
| 4.1.1 主轴转速对表面粗糙度的影响 | 第36-37页 |
| 4.1.2 进给量对表面粗糙度的影响 | 第37页 |
| 4.1.3 粗糙度影响因素的显著性分析 | 第37-39页 |
| 4.2 工艺参数对监测信号的影响 | 第39-42页 |
| 4.2.1 主轴转速对监测信号的影响 | 第39-40页 |
| 4.2.2 进给量对监测信号的影响 | 第40-41页 |
| 4.2.3 监测信号的影响因素显著性分析 | 第41-42页 |
| 4.3 监测信号对表面粗糙度的影响 | 第42-43页 |
| 4.4 表面粗糙度的影响因素分析结果 | 第43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于BP神经网络的钻削加工表面粗糙度预测 | 第44-54页 |
| 5.1 基于BP神经网络的钻孔内壁表面粗糙度预测模型的建立 | 第44-46页 |
| 5.2 排屑钻表面粗糙度预测模型的训练 | 第46-50页 |
| 5.2.1 粗糙度预测模型的训练样本 | 第46-47页 |
| 5.2.2 训练样本的预处理 | 第47-48页 |
| 5.2.3 粗糙度预测以及误差的计算 | 第48-50页 |
| 5.3 排屑钻表面粗糙度预测模型的验证 | 第50-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 工作总结 | 第54-55页 |
| 6.2 研究展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 个人简历、在校期间发表的学术论文与研究成果 | 第62页 |
