声明
摘要
第一章 绪论
1.1 课题的来源和意义
1.2 磨削表面粗糙度的检测研究现状
1.2.1 磨削表面粗糙度测量方法概况
1.2.2 表面粗糙度在线检测技术研究现状
1.3 本文主要内容
第二章 声发射信号的分析处理方法的研究
2.1 声发射技术的理论基础
2.1.1 声发射信号的产生机理
2.1.2 声发射信号的分析处理方法
2.2 小波分析理论及算法
2.2.1 连续小波变换
2.2.2 离散小波变换
2.2.3 多分辨率分析及Mallat算法
2.3 磨削加工声发射信号采集系统
2.3.1 磨削加工声发射信号采集的实验系统
2.3.2 磨削声发射信号噪声来源以及预处理
2.4 磨削加工中声发射信号噪声的处理
2.4.1 小波变换半软阈值去噪法
2.4.2 小波基的选择
2.4.3 磨削声发射信号去噪效果评价准则及对比仿真
2.5 本章总结
第三章 砂轮磨损过程中的声发射信号特征提取研究
3.1 砂轮磨损状态评定标准
3.2 砂轮磨损过程中的声发射信号的特征提取
3.2.1 目前常用声发射信号的特征提取方法
3.2.2 砂轮磨损声发射信号小波分解系数平均值的特征统计分析法
3.3 砂轮磨损状态声发射信号特征提取实验研究
3.3.1 AE信号特征提取实验设计方案
3.3.2 实验结果与分析
3.4 本章总结
第四章 磨削加工表面粗糙度主要影响因素研究
4.1 磨削加工工件表面粗糙度的形成机理
4.2 磨削表面粗糙度模型
4.3 磨削表面粗糙度及其影响因素的实验研究
4.3.1 磨削用量
4.3.2 砂轮磨损状态
4.3.3 磨削力
4.3 本章总结
第五章 基于BP神经网络的表面粗糙度在线智能检测研究
5.1 人工神经网络
5.1.1 人工神经元结构
5.1.2 神经网络的互连模式的分类
5.2 BP神经网络
5.2.1 BP神经网络的算法
5.3 基于声发射的砂轮磨损状态识别模型
5.3.1 砂轮磨损状态识别BP网络结构
5.3.2 砂轮磨损状态识别仿真
5.4 基于BP网络磨削表面粗糙度在线检测模型
5.4.1 基于BP网络磨削表面粗糙度在线检测模型
5.4.2 磨削表面粗糙度在线检测BP网络结构
5.4.3 表面粗糙度在线检测仿真
5.5 砂轮磨损状态识别与表面粗糙度在线检测的实验研究
5.5.1 实验目的
5.5.2 实验条件
5.5.3 实验方案设计
5.5.4 实验结果与分析
5.4 本章总结
第六章 总结
6.1 结论
6.2 展望
致谢
参考文献