| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 刀具管理技术研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 刀具管理系统研究现状 | 第9-11页 |
| 1.2.2 刀具编码与识别技术研究现状 | 第11-12页 |
| 1.2.3 刀具选配技术研究现状 | 第12页 |
| 1.2.4 刀具磨损监测研究现状 | 第12页 |
| 1.3 课题研究内容、背景及意义 | 第12-14页 |
| 1.3.1 课题研究背景 | 第12-13页 |
| 1.3.2 课题研究意义 | 第13-14页 |
| 1.3.3 课题研究内容 | 第14页 |
| 1.4 本章小结 | 第14-15页 |
| 2 刀具编码与识别技术研究 | 第15-29页 |
| 2.1 刀具编码原则 | 第15页 |
| 2.2 刀具编码方案 | 第15-18页 |
| 2.3 刀具自动识别研究意义及常用技术 | 第18页 |
| 2.4 散件识别方案 | 第18-21页 |
| 2.4.1 二维码技术 | 第18-19页 |
| 2.4.2 基于二维码的散件管理方案 | 第19-21页 |
| 2.5 组合件识别方案 | 第21-28页 |
| 2.5.1 射频识别技术简介 | 第21-22页 |
| 2.5.2 基于射频识别技术的组合件识别方案 | 第22-28页 |
| 2.6 本章小结 | 第28-29页 |
| 3 数控刀具智能选配技术研究 | 第29-43页 |
| 3.1 数控刀具选配及优化的基本模式 | 第29-30页 |
| 3.2 基于规则推理和案例推理的刀具混合推理原理 | 第30-33页 |
| 3.3 基于规则推理的刀具初选方法 | 第33-38页 |
| 3.3.1 刀具匹配关系分析 | 第33-34页 |
| 3.3.2 基于Prolog的规则推理模型研究 | 第34-38页 |
| 3.4 基于案例推理的刀具案例匹配 | 第38-41页 |
| 3.4.1 案例的表示 | 第38-39页 |
| 3.4.2 案例的检索与匹配 | 第39-40页 |
| 3.4.3 算例分析 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 4 基于改进人工蜂群算法和极限学习机的刀具磨损监测 | 第43-57页 |
| 4.1 刀具磨损概述及监测意义 | 第43-44页 |
| 4.2 刀具磨损监测方法 | 第44-45页 |
| 4.3 极限学习机简介 | 第45-46页 |
| 4.4 改进人工蜂群算法优化的极限学习机 | 第46-49页 |
| 4.4.1 虚拟蜂的定义 | 第46页 |
| 4.4.2 食物源与适应度设计 | 第46-47页 |
| 4.4.3 算法流程 | 第47-49页 |
| 4.5 实验方案与模型比较 | 第49-55页 |
| 4.5.1 实验方案 | 第49-50页 |
| 4.5.2 信号特征分析 | 第50-53页 |
| 4.5.3 磨损量识别及模型比较 | 第53-55页 |
| 4.6 本章小结 | 第55-57页 |
| 5 刀具智能管理系统功能分析与开发研究 | 第57-75页 |
| 5.1 系统需求分析 | 第57页 |
| 5.2 系统功能模块设计 | 第57-63页 |
| 5.2.1 基础信息维护 | 第58页 |
| 5.2.2 刀具库存管理 | 第58-60页 |
| 5.2.3 系统管理 | 第60页 |
| 5.2.4 采购管理 | 第60-62页 |
| 5.2.5 刀具选配管理 | 第62页 |
| 5.2.6 刀具磨损管理 | 第62-63页 |
| 5.2.7 移动业务管理 | 第63页 |
| 5.3 系统体系结构选取 | 第63-65页 |
| 5.4 系统开发工具与集成交互方式 | 第65页 |
| 5.5 系统应用 | 第65-74页 |
| 5.5.1 系统程序开发 | 第65-73页 |
| 5.5.2 系统应用情况分析 | 第73-74页 |
| 5.6 本章小结 | 第74-75页 |
| 6 总结与展望 | 第75-77页 |
| 6.1 本文工作总结 | 第75页 |
| 6.2 研究展望 | 第75-77页 |
| 致谢 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 附录 | 第83页 |
| A.作者在攻读学位期间取得的科研成果 | 第83页 |
| B.作者在攻读学位期间参加的课题 | 第83页 |
| C.作者在攻读学位期间获得的奖励 | 第83页 |