基于控制图和ARIMA模型的磨床磨削颤振预测方法

摘要	第4-5页
Abstract	第5-6页
第一章 绪论	第10-17页
1.1 研究背景和意义	第10-11页
1.2 磨削颤振研究现状	第11-14页
1.2.1 颤振机理研究现状	第11-12页
1.2.2 振动信号处理方法研究现状	第12-13页
1.2.3 状态识别方法研究现状	第13页
1.2.4 颤振预测方法研究现状	第13-14页
1.3 论文内容安排和技术路线	第14-16页
1.3.1 论文内容安排	第14-16页
1.3.2 技术路线	第16页
1.4 本章小结	第16-17页
第二章 基于BEMD的颤振特征量提取方法	第17-30页
2.1 常用的时频分析方法	第17-20页
2.1.1 短时傅里叶变换	第17-18页
2.1.2 奇异值分解	第18-19页
2.1.3 S变换	第19-20页
2.2 二维经验模态分解	第20-23页
2.2.1 一维经验模态分解	第20页
2.2.2 二维经验模态分解方法	第20-21页
2.2.3 BEMD的基本流程	第21-22页
2.2.4 BEMD的特点	第22-23页
2.3 颤振特征量的提取	第23-25页
2.3.1 实时方差	第23-24页
2.3.2 实时方差特征量的提取流程	第24-25页
2.4 基于仿真信号的颤振特征量提取方法验证	第25-29页
2.4.1 仿真信号的获取	第25-26页
2.4.2 基于相关系数的BEMD分解结果	第26-28页
2.4.3 仿真信号的实时方差特征量	第28-29页
2.5 本章小结	第29-30页
第三章 大型龙门导轨磨床颤振试验	第30-36页
3.1 试验目的	第30页
3.2 试验方案及参数设定	第30-31页
3.3 传感器及测点布置	第31-32页
3.4 数据采集结果	第32-34页
3.5 试验信号的特征量提取	第34-35页
3.6 本章小结	第35-36页
第四章 基于控制图的磨床磨削颤振状态识别方法	第36-41页
4.1 控制图基本理论	第36页
4.2 ±3σ法	第36-37页
4.3 控制图模型统计性检验	第37页
4.4 基于BEMD和控制图的磨床颤振状态识别	第37-40页
4.4.1 过程流程图	第37-38页
4.4.2 控制图模型的建立	第38-40页
4.4.3 模型的应用	第40页
4.5 本章小结	第40-41页
第五章 基于控制图和ARIMA模型的颤振预测方法	第41-56页
5.1 时间序列方法基本概念	第41-42页
5.2 ARMA模型基本理论	第42-44页
5.2.1 AR模型	第42-43页
5.2.2 MA模型	第43-44页
5.2.3 ARMA模型	第44页
5.3 ARIMA模型	第44-45页
5.3.1 ARIMA模型基本理论	第44-45页
5.3.2 ARIMA模型的优势	第45页
5.4 时间序列平稳性检验	第45-47页
5.5 模型识别	第47-49页
5.5.1 偏自相关函数	第47-48页
5.5.2 自相关函数	第48页
5.5.3 ARMA模型识别准则	第48-49页
5.5.4 最小信息准则	第49页
5.6 ARIMA模型建模基本步骤	第49-50页
5.7 基于BEMD的ARIMA模型的颤振预测	第50-55页
5.7.1 流程图	第50-51页
5.7.2 ARIMA模型的建立	第51-53页
5.7.3 ARIMA模型的预测	第53-55页
5.8 控制图与ARIMA模型结合的方法	第55页
5.9 本章小结	第55-56页
第六章 总结与展望	第56-58页
6.1 论文总结	第56页
6.2 论文展望	第56-58页
参考文献	第58-62页
致谢	第62-63页
攻读硕士学位期间的研究成果	第63页