| 摘要 | 第11-13页 |
| ABSTRACT | 第13-14页 |
| 第1章 绪论 | 第15-29页 |
| 1.1 课题来源 | 第15页 |
| 1.2 研究的目的和意义 | 第15页 |
| 1.2.1 研究意义 | 第15页 |
| 1.2.2 研究目的 | 第15页 |
| 1.3 20CrMnTi与微晶刚玉磨料的性质 | 第15-16页 |
| 1.4 砂轮磨削性能评价指标及其影响因素 | 第16-17页 |
| 1.5 砂轮磨削性能在线检测技术的研究现状 | 第17-21页 |
| 1.5.1 在线检测砂轮磨损与磨削烧伤的研究现状 | 第18-20页 |
| 1.5.2 在线预测磨削工件表面粗糙度的研究现状 | 第20-21页 |
| 1.6 多传感器融合的研究现状 | 第21-26页 |
| 1.6.1 信息标准化处理 | 第22-23页 |
| 1.6.2 特征选择 | 第23-24页 |
| 1.6.3 信息融合 | 第24-26页 |
| 1.7 存在的问题和研究内容 | 第26-29页 |
| 1.7.1 存在的问题 | 第26页 |
| 1.7.2 研究内容 | 第26-29页 |
| 第2章 特征提取与信息融合算法的研究 | 第29-41页 |
| 2.1 多传感器信号特征提取的研究 | 第29-34页 |
| 2.1.1 多传感器信号的分析方法 | 第29-31页 |
| 2.1.2 基于统计量的特征提取 | 第31-34页 |
| 2.2 基于PCA方法的神经网络信息融合 | 第34-39页 |
| 2.2.1 基于PCA方法的特征选择 | 第34-36页 |
| 2.2.2 基于神经网络的信息融合方法 | 第36-39页 |
| 2.3 本章小结 | 第39-41页 |
| 第3章 多传感器融合系统的开发 | 第41-65页 |
| 3.1 系统平台的选择 | 第41页 |
| 3.2 系统的结构与功能 | 第41-42页 |
| 3.3 系统硬件的构成 | 第42-45页 |
| 3.3.1 融合系统的硬件布局 | 第42-44页 |
| 3.3.2 多传感器信号的传输路径 | 第44-45页 |
| 3.4 系统软件的开发 | 第45-63页 |
| 3.4.1 数据存储和读取 | 第45-48页 |
| 3.4.2 系统设置与数据预处理 | 第48-52页 |
| 3.4.3 信号特征提取 | 第52-57页 |
| 3.4.4 特征选择与信息融合 | 第57-63页 |
| 3.5 本章小结 | 第63-65页 |
| 第4章 砂轮不同磨损状态的特征分析 | 第65-81页 |
| 4.1 砂轮不同磨损状态的获取实验 | 第67-72页 |
| 4.1.1 实验器材 | 第67页 |
| 4.1.2 实验方案 | 第67-68页 |
| 4.1.3 实验结果及分析 | 第68-72页 |
| 4.2 砂轮不同磨损状态的磨削特征值分析实验 | 第72-79页 |
| 4.2.1 实验器材 | 第72-73页 |
| 4.2.2 实验方案 | 第73-74页 |
| 4.2.3 实验结果及分析 | 第74-79页 |
| 4.3 本章小结 | 第79-81页 |
| 第5章 多传感器融合系统的调试和分析 | 第81-101页 |
| 5.1 实验方案 | 第81-83页 |
| 5.2 实验结果及分析 | 第83-93页 |
| 5.2.1 特征变化与磨削比及粗糙度变化的关联性分析 | 第83-91页 |
| 5.2.2 小波包降噪频段的选择 | 第91-92页 |
| 5.2.3 功率信号延迟时间的观测 | 第92-93页 |
| 5.3 信息融合网络的测试和调试 | 第93-98页 |
| 5.3.1 实验方案 | 第94-95页 |
| 5.3.2 砂轮磨损状态的识别 | 第95-96页 |
| 5.3.3 磨削性能表征量的预测 | 第96-98页 |
| 5.4 本章小结 | 第98-101页 |
| 第6章 总结与展望 | 第101-103页 |
| 6.1 总结 | 第101-102页 |
| 6.2 展望 | 第102-103页 |
| 参考文献 | 第103-109页 |
| 攻读硕士学位期间取得的科研成果及获得的奖励 | 第109-111页 |
| 致谢 | 第111-112页 |
| 学位论文评阅及答辩情况表 | 第112页 |