高速精密铣削加工信号特征提取与刀具状态监测
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 刀具磨损监测技术的研究现状 | 第16-19页 |
| 1.2.1 国内刀具监测研究现状 | 第17-18页 |
| 1.2.2 国外刀具监测研究现状 | 第18-19页 |
| 1.3 本文主要研究内容 | 第19-20页 |
| 第二章 系统信号采集与特征提取 | 第20-34页 |
| 2.1 刀具磨损问题 | 第20-23页 |
| 2.1.1 刀具磨损原因 | 第20-21页 |
| 2.1.2 刀具磨损主要类型 | 第21-22页 |
| 2.1.3 刀具磨损阶段 | 第22-23页 |
| 2.2 刀具磨损状态信号采集 | 第23-24页 |
| 2.3 刀具磨损状态信号的特征提取 | 第24-32页 |
| 2.3.1 时域特征提取 | 第25页 |
| 2.3.2 频域特征提取 | 第25-29页 |
| 2.3.3 时频特征提取 | 第29-32页 |
| 2.4 振动信号的特征筛选 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 信号稀疏分解表示理论 | 第34-42页 |
| 3.1 稀疏分解数学理论基础 | 第34-38页 |
| 3.1.1 从逼近论到冗余稀疏表示 | 第34-35页 |
| 3.1.2 稀疏性的度量 | 第35-37页 |
| 3.1.3 唯一性和不确定性 | 第37-38页 |
| 3.2 稀疏分解算法 | 第38-40页 |
| 3.3 稀疏字典构造 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于稀疏分解的铣刀磨损状态的判别 | 第42-57页 |
| 4.1 实验的硬件环境 | 第42-45页 |
| 4.1.1 实验机床 | 第42-43页 |
| 4.1.2 振动传感器 | 第43页 |
| 4.1.3 数据采集系统 | 第43-44页 |
| 4.1.4 PC机 | 第44-45页 |
| 4.2 实验算法简介与字典构造 | 第45-51页 |
| 4.2.1 基追踪算法 | 第45页 |
| 4.2.2 字典的构造 | 第45-48页 |
| 4.2.3 实验步骤 | 第48页 |
| 4.2.4 稀疏分解实验 | 第48-50页 |
| 4.2.5 实验结果与分析 | 第50-51页 |
| 4.3 对比实验 | 第51-55页 |
| 4.3.1 神经网络理论原理 | 第51-52页 |
| 4.3.2 刀具状态识别 | 第52-55页 |
| 4.4 实验结果与分析 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 工作总结 | 第57页 |
| 5.2 未来展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第62页 |
