| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-25页 |
| 1.1 选题背景 | 第12-13页 |
| 1.2 刀具磨损状态监测技术发展历史及监测方法 | 第13-17页 |
| 1.2.1 具状态监测技术的发展历史 | 第13页 |
| 1.2.2 刀具状态监测方法 | 第13-17页 |
| 1.3 刀具磨损状态监测关键技术及研究现状 | 第17-22页 |
| 1.3.1 信号处理技术 | 第17-21页 |
| 1.3.2 特征提取与模式识别 | 第21页 |
| 1.3.3 信息融合技术研究现状 | 第21-22页 |
| 1.4 刀具状态监测的发展趋势 | 第22-23页 |
| 1.5 论文的结构和内容 | 第23-24页 |
| 1.6 本章小结 | 第24-25页 |
| 第2章 刀具磨损机理与刀具寿命 | 第25-32页 |
| 2.1 刀具损坏的形式 | 第25-26页 |
| 2.2 刀具磨损机理 | 第26-28页 |
| 2.2.1 磨料磨损 | 第27页 |
| 2.2.2 粘接磨损 | 第27页 |
| 2.2.3 扩散磨损 | 第27-28页 |
| 2.2.4 氧化磨损 | 第28页 |
| 2.3 刀具寿命 | 第28-31页 |
| 2.3.1 刀具磨损过程 | 第28-30页 |
| 2.3.2 刀具磨钝标准 | 第30页 |
| 2.3.3 刀具寿命模型 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 刀具磨损状态监测的试验研究 | 第32-50页 |
| 3.1 监测信号的选择 | 第32-39页 |
| 3.1.1 切削力信号 | 第32-34页 |
| 3.1.2 振动信号 | 第34页 |
| 3.1.3 切削温度信号 | 第34-37页 |
| 3.1.4 声发射信号 | 第37-39页 |
| 3.2 试验台的搭建 | 第39-44页 |
| 3.2.1 切削力和振动信号采集系统 | 第39-42页 |
| 3.2.2 声发射信号监控系统 | 第42-43页 |
| 3.2.3 切削温度信号采集装置 | 第43-44页 |
| 3.3 试验方案设计 | 第44-47页 |
| 3.3.1 试验目的 | 第44页 |
| 3.3.2 影响信号的因素 | 第44-45页 |
| 3.3.3 试验设计方法 | 第45-47页 |
| 3.3.4 样本数据提取 | 第47页 |
| 3.4 试验步骤及分析 | 第47-48页 |
| 3.4.1 影响传感器信号的试验 | 第48页 |
| 3.4.2 工件材料对信号特征的影响 | 第48页 |
| 3.4.3 刀具磨损监测试验 | 第48页 |
| 3.5 结论 | 第48-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第4章 刀具磨损状态的特征提取和模式识别 | 第50-74页 |
| 4.1 J-EEMD方法概述 | 第50-58页 |
| 4.1.1 EMD原理及仿真示例 | 第50-52页 |
| 4.1.2 EEMD原理 | 第52-54页 |
| 4.1.3 J-EEMD方法的提出及有效性检验 | 第54-58页 |
| 4.2 基于J-EEMD的数据特征提取 | 第58-67页 |
| 4.2.1 信号的J-EEMD分解 | 第59-61页 |
| 4.2.2 基于J-EEMD的数据特征提取 | 第61-64页 |
| 4.2.3 信号的数据特征分析 | 第64-67页 |
| 4.3 基于两种神经网络的模式识别 | 第67-73页 |
| 4.3.1 神经网络概述 | 第67-69页 |
| 4.3.2 基于BP和Elman网络的刀具磨损状态监测模式识别 | 第69-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第5章 基于支持向量机的刀具磨损决策融合技术 | 第74-88页 |
| 5.1 信息融合基本概念 | 第74-75页 |
| 5.2 基于支持向量机的决策融合算法 | 第75-82页 |
| 5.2.1 SVM融合原理 | 第75-77页 |
| 5.2.2 支持向量机的分类问题 | 第77-79页 |
| 5.2.3 支持向量机的融合示意 | 第79-82页 |
| 5.3 刀具状态输出的决策融合 | 第82-87页 |
| 5.3.1 神经网络识别结果分析 | 第82-85页 |
| 5.3.2 基于支持向量机的决策方法研究 | 第85-87页 |
| 5.4 本章小结 | 第87-88页 |
| 第6章 灰色-隐马尔可夫模型刀具状态预测技术 | 第88-115页 |
| 6.1 刀具磨损状态预测方法的分类 | 第88-89页 |
| 6.2 隐马尔可夫模型 | 第89-94页 |
| 6.2.1 引言 | 第89页 |
| 6.2.2 马尔可夫链 | 第89-90页 |
| 6.2.3 隐马尔可夫链 | 第90-94页 |
| 6.3 灰色-隐马尔可夫模型 | 第94-100页 |
| 6.3.1 灰色理论概述 | 第94-99页 |
| 6.3.2 建立GM(1,1)灰色模型 | 第99-100页 |
| 6.4 刀具预测模型状态空间的划分及特征处理 | 第100-104页 |
| 6.4.1 状态空间的划分 | 第100-102页 |
| 6.4.2 特征处理 | 第102-104页 |
| 6.5 基于灰色-隐马尔可夫模型刀具磨损状态预测 | 第104-114页 |
| 6.5.1 建立力特征信号GM(1,1)模型 | 第104-106页 |
| 6.5.2 基于残差特征值预测 | 第106-109页 |
| 6.5.3 具磨损状态的预测 | 第109-114页 |
| 6.6 本章小结 | 第114-115页 |
| 结论 | 第115-117页 |
| 致谢 | 第117-118页 |
| 参考文献 | 第118-128页 |
| 攻读学位期间发表的学术论文及成果 | 第128-129页 |