| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.1.1 自动化加工生产的地位和意义 | 第11页 |
| 1.1.2 刀具监测预测技术对自动化加工生产的作用 | 第11-12页 |
| 1.2 刀具状态监测方法 | 第12-13页 |
| 1.3 刀具磨损状态监测和预测的研究 | 第13-14页 |
| 1.3.1 概述 | 第13页 |
| 1.3.2 刀具磨损状态监测技术 | 第13-14页 |
| 1.3.3 特征提取方法 | 第14页 |
| 1.4 人工神经网络研究 | 第14-15页 |
| 1.5 支持向量机研究 | 第15页 |
| 1.6 信息融合技术研究 | 第15-16页 |
| 1.7 本章小结 | 第16-17页 |
| 第二章 刀具磨损现象研究 | 第17-21页 |
| 2.1 刀具损坏的形式 | 第17-18页 |
| 2.2 刀具寿命 | 第18-20页 |
| 2.2.1 刀具磨损三阶段 | 第18-19页 |
| 2.2.2 磨钝标准 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 基于多传感器的试验方案设计 | 第21-31页 |
| 3.1 监测信号的选择 | 第21-23页 |
| 3.1.1 切削力信号 | 第21-22页 |
| 3.1.2 振动信号 | 第22页 |
| 3.1.3 声发射信号 | 第22-23页 |
| 3.2 试验台的搭建 | 第23-26页 |
| 3.2.1 切削力信号采集系统 | 第23-24页 |
| 3.2.2 振动信号采集系统 | 第24页 |
| 3.2.3 数字采集系统 | 第24-25页 |
| 3.2.4 声发射信号采集系统 | 第25-26页 |
| 3.3 试验方案设计 | 第26-30页 |
| 3.3.1 试验目的 | 第26-27页 |
| 3.3.2 影响信号的因素 | 第27页 |
| 3.3.3 试验设计方法 | 第27-29页 |
| 3.3.4 样本数据提取 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 特征提取和状态识别 | 第31-41页 |
| 4.1 EMD原理及仿真示例 | 第31-33页 |
| 4.2 EEMD原理 | 第33-34页 |
| 4.3 MEEMD原理及仿真 | 第34-36页 |
| 4.4 信号的MEEMD分解及特征提取 | 第36-39页 |
| 4.4.1 时域特征 | 第36-37页 |
| 4.4.2 频域特征 | 第37-39页 |
| 4.5 基于BP和Elman神经网络的模式识别 | 第39-40页 |
| 4.6 本章小结 | 第40-41页 |
| 第五章 基于支持向量机的刀具磨损决策融合 | 第41-54页 |
| 5.1 信息融合基本概念 | 第41-43页 |
| 5.1.1 信息融合的分类 | 第41-43页 |
| 5.1.1.1 像素级融合 | 第41页 |
| 5.1.1.2 特征级融合. | 第41页 |
| 5.1.1.3 决策级融合 | 第41-43页 |
| 5.2 基于SVM的信息融合 | 第43-49页 |
| 5.2.1 SVM融合原理 | 第43-45页 |
| 5.2.1.1 VC维 | 第43页 |
| 5.2.1.2 经验风险最小化. | 第43-44页 |
| 5.2.1.3 结构风险最小化. | 第44页 |
| 5.2.1.4 推广性的界 | 第44-45页 |
| 5.2.2 支持向量机的分类 | 第45-47页 |
| 5.2.2.1 线性分类 | 第45-46页 |
| 5.2.2.2 非线性分类 | 第46-47页 |
| 5.2.3 支持向量机的融合仿真 | 第47-49页 |
| 5.3 刀具状态输出的决策融合 | 第49-53页 |
| 5.3.1 神经网络训练分析 | 第49-52页 |
| 5.3.2 基于支持向量机的决策方法研究 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 灰色-隐马尔可夫模型刀具状态预测技术 | 第54-72页 |
| 6.1 刀具磨损状态预测方法的分类 | 第54-55页 |
| 6.2 隐马尔可夫模型 | 第55-59页 |
| 6.2.1 马尔可夫链 | 第55-56页 |
| 6.2.2 隐马尔可夫链 | 第56-59页 |
| 6.3 灰色-隐马尔可夫模型 | 第59-63页 |
| 6.3.1 GM(1,1)模型 | 第59-60页 |
| 6.3.2 灰色预测 | 第60页 |
| 6.3.3 灰色预测的优点 | 第60-62页 |
| 6.3.4 改进的灰色模型 | 第62-63页 |
| 6.4 状态空间划分和信号特征处理 | 第63-66页 |
| 6.4.1 状态空间的划分. | 第63-64页 |
| 6.4.2 特征处理 | 第64-66页 |
| 6.5 基于改进的灰色-隐马尔可夫模型刀具磨损状态预测 | 第66-70页 |
| 6.6 本章小结 | 第70-72页 |
| 总结 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-76页 |
| 攻读学位期间发表的学术论文及成果 | 第76页 |