刀具磨损状态识别和预测方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 概论 | 第9-21页 |
| 1.1 课题来源、研究目的与意义 | 第9-10页 |
| 1.2 国内外研究现状与分析 | 第10-18页 |
| 1.3 本文主要研究内容和章节安排 | 第18-21页 |
| 2 刀具磨损机理和试验方案 | 第21-29页 |
| 2.1 刀具磨损机理 | 第21-24页 |
| 2.2 试验方案 | 第24-28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 刀具磨损特征提取 | 第29-42页 |
| 3.1 谐波小波包方法概述 | 第29-33页 |
| 3.2 基于谐波小波包的数据特征提取 | 第33-40页 |
| 3.3 本章小结 | 第40-42页 |
| 4 基于BSA优化LS-SVM的状态识别 | 第42-54页 |
| 4.1 LS-SVM原理 | 第42-43页 |
| 4.2 BSA原理 | 第43-46页 |
| 4.3 BSA优化LS-SVM算法流程 | 第46-47页 |
| 4.4 模型的训练与测试 | 第47-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 基于LS-SVM回归算法的磨损量预测 | 第54-63页 |
| 5.1 刀具磨损状态预测方法 | 第54-55页 |
| 5.2 LS-SVM回归算法原理 | 第55-56页 |
| 5.3 基于LS-SVM的刀具磨损量预测 | 第56-62页 |
| 5.4 本章小结 | 第62-63页 |
| 6 刀具磨损监测系统界面 | 第63-69页 |
| 6.1 刀具磨损状态识别界面 | 第63-66页 |
| 6.2 刀具磨损量预测界面 | 第66-68页 |
| 6.3 本章小结 | 第68-69页 |
| 7 总结与展望 | 第69-71页 |
| 7.1 全文总结 | 第69-70页 |
| 7.2 工作展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间发表学术论文目录 | 第78页 |
