| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题的来源和意义 | 第8-9页 |
| ·磨削表面粗糙度的检测研究现状 | 第9-11页 |
| ·磨削表面粗糙度测量方法概况 | 第9-10页 |
| ·表面粗糙度在线检测技术研究现状 | 第10-11页 |
| ·本文主要内容 | 第11-14页 |
| 第二章 声发射信号的分析处理方法的研究 | 第14-30页 |
| ·声发射技术的理论基础 | 第14-15页 |
| ·声发射信号的产生机理 | 第14页 |
| ·声发射信号的分析处理方法 | 第14-15页 |
| ·小波分析理论及算法 | 第15-19页 |
| ·连续小波变换 | 第15页 |
| ·离散小波变换 | 第15-16页 |
| ·多分辨率分析及Mallat算法 | 第16-19页 |
| ·磨削加工声发射信号采集系统 | 第19-23页 |
| ·磨削加工声发射信号采集的实验系统 | 第19-22页 |
| ·磨削声发射信号噪声来源以及预处理 | 第22-23页 |
| ·磨削加工中声发射信号噪声的处理 | 第23-29页 |
| ·小波变换半软阈值去噪法 | 第24-26页 |
| ·小波基的选择 | 第26-27页 |
| ·磨削声发射信号去噪效果评价准则及对比仿真 | 第27-29页 |
| ·本章总结 | 第29-30页 |
| 第三章 砂轮磨损过程中的声发射信号特征提取研究 | 第30-43页 |
| ·砂轮磨损状态评定标准 | 第30-32页 |
| ·砂轮磨损过程中的声发射信号的特征提取 | 第32-34页 |
| ·目前常用声发射信号的特征提取方法 | 第32-33页 |
| ·砂轮磨损声发射信号小波分解系数平均值的特征统计分析法 | 第33-34页 |
| ·砂轮磨损状态声发射信号特征提取实验研究 | 第34-42页 |
| ·AE信号特征提取实验设计方案 | 第35-36页 |
| ·实验结果与分析 | 第36-42页 |
| ·本章总结 | 第42-43页 |
| 第四章 磨削加工表面粗糙度主要影响因素研究 | 第43-55页 |
| ·磨削加工工件表面粗糙度的形成机理 | 第43页 |
| ·磨削表面粗糙度模型 | 第43-45页 |
| ·磨削表面粗糙度及其影响因素的实验研究 | 第45-54页 |
| ·磨削用量 | 第45-49页 |
| ·砂轮磨损状态 | 第49-50页 |
| ·磨削力 | 第50-54页 |
| ·本章总结 | 第54-55页 |
| 第五章 基于BP神经网络的表面粗糙度在线智能检测研究 | 第55-80页 |
| ·人工神经网络 | 第55-57页 |
| ·人工神经元结构 | 第55-56页 |
| ·神经网络的互连模式的分类 | 第56-57页 |
| ·BP神经网络 | 第57-60页 |
| ·BP神经网络的算法 | 第57-60页 |
| ·基于声发射的砂轮磨损状态识别模型 | 第60-64页 |
| ·砂轮磨损状态识别BP网络结构 | 第60页 |
| ·砂轮磨损状态识别仿真 | 第60-64页 |
| ·基于BP网络磨削表面粗糙度在线检测模型 | 第64-70页 |
| ·基于BP网络磨削表面粗糙度在线检测模型 | 第64页 |
| ·磨削表面粗糙度在线检测BP网络结构 | 第64-65页 |
| ·表面粗糙度在线检测仿真 | 第65-70页 |
| ·砂轮磨损状态识别与表面粗糙度在线检测的实验研究 | 第70-79页 |
| ·实验目的 | 第71页 |
| ·实验条件 | 第71页 |
| ·实验方案设计 | 第71-72页 |
| ·实验结果与分析 | 第72-79页 |
| ·本章总结 | 第79-80页 |
| 第六章 总结 | 第80-82页 |
| ·结论 | 第80-81页 |
| ·展望 | 第81-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-84页 |