基于双谱与分形技术及神经网络的刀具智能诊断技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-23页 |
| ·问题的提出 | 第11-12页 |
| ·状态监测内涵和目标 | 第12-13页 |
| ·刀具状态监测研究的意义 | 第13-15页 |
| ·国内外研究现状及成果 | 第15-16页 |
| ·刀具故障诊断文献综述 | 第16-21页 |
| ·传感器的选择概述 | 第16-17页 |
| ·信号处理方法概述 | 第17-19页 |
| ·模式识别方法概述 | 第19-21页 |
| ·本论文的主要工作 | 第21-23页 |
| 第2章 刀具状态信号的检测 | 第23-29页 |
| ·刀具状态监测方法与传感器选择 | 第23-26页 |
| ·刀具状态监测方法 | 第24-25页 |
| ·传感器选择 | 第25-26页 |
| ·刀具磨损监测实验系统的设计 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 刀具状态监测的现代信号处理方法 | 第29-36页 |
| ·信号的时域、频域分析方法 | 第29-33页 |
| ·小波分析 | 第33-34页 |
| ·高阶谱分析 | 第34-35页 |
| ·分形理论 | 第35-36页 |
| 第4章 高阶谱分析与分形技术 | 第36-63页 |
| ·高阶谱分析的理论研究 | 第36-46页 |
| ·累积量与高阶矩 | 第38-41页 |
| ·高阶累积量的性质 | 第41-42页 |
| ·高阶谱定义 | 第42-43页 |
| ·高阶谱的主要性质 | 第43-44页 |
| ·双谱定义 | 第44-46页 |
| ·双谱估计 | 第46-51页 |
| ·分形理论研究 | 第51-62页 |
| ·分形维数计算的基本原理 | 第52页 |
| ·分形学在机械故障诊断中应用的意义 | 第52-56页 |
| ·分形维数及其测量方法 | 第56-58页 |
| ·几种常见的分形维数 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 双谱与分形技术在刀具状态监测中的应用 | 第63-92页 |
| ·双谱在刀具状态监测中的应用 | 第63-78页 |
| ·基于双谱的振动信号处理 | 第64-72页 |
| ·基于双谱的声发射信号处理 | 第72-78页 |
| ·分形维数(盒维数)在刀具状态监测中的应用 | 第78-90页 |
| ·状态特征的归一化处理 | 第90-91页 |
| ·本章小结 | 第91-92页 |
| 第6章 基于人工神经网络的刀具磨损状态监测 | 第92-104页 |
| ·神经网络的基本原理 | 第92-94页 |
| ·神经元 | 第92页 |
| ·神经网络的互连模式 | 第92-94页 |
| ·Elman网络 | 第94-102页 |
| ·Elman网络的介绍 | 第94-98页 |
| ·Elman网络在刀具状态监测中的应用 | 第98-102页 |
| ·Elman网络优点 | 第102-103页 |
| ·本章小结 | 第103-104页 |
| 结论与展望 | 第104-106页 |
| 致谢 | 第106-107页 |
| 参考文献 | 第107-111页 |
| 攻读硕士研究生期间发表的论文 | 第111页 |
