声明
摘要
第1章绪论
1.1工程背景和选题意义
1.2微铣削刀具状态监测技术研究现状
1.2.1传感器的选择
1.2.2信号处理算法
1.2.3特征选择算法
1.2.4刀具状态的模式识别
1.3本文主要研究内容
第2章刀具状态监测技术需求分析及总体设计
2.1监测系统的需求分析
2.1.1系统功能需求分析
2.1.2监测系统的性能需求分析
2.2微铣削刀具状态监测的总体设计及结构
2.2.1状态监测对象和目标
2.2.2算法总体结构和设计思路
2.3本章小结
第3章微铣削刀具状态监测实验
3.1微铣削刀具磨损状态的界定实验
3.1.1实验过程
3.1.2硬件组成
3.1.3磨损边界界定
3.2微铣削刀具破损状态监测切削实验
3.2.1监测系统硬件组成
3.2.2加工参数设置
3.2.3试验步骤
3.3微铣削刀具磨损状态监测切削实验
3.3.1监测系统硬件组成
3.3.2切削参数设置
3.3.3试验步骤
3.4本章小结
第4章微铣削刀具状态监测的信号处理与特征提取
4.1刀具状态监测信号的小波阈值降噪处理
4.1.1微铣削刀具破损信号的小波降噪
4.1.2微铣削刀具磨损信号的小波降噪
4.2微铣削刀具状态监测信号时域特征提取
4.2.1刀具破损信号的时域特征分析
4.2.2刀具磨损信号的时域特征分析
4.3基于振动信号奇异性分析的信号处理算法
4.3.1信号奇异点与奇异性
4.3.2信号奇异性指数计算
4.3.3算例分析
4.4微铣削刀具状态监测信号奇异性特征提取
4.4.1微铣削刀具破损状态监测信号奇异性特征提取
4.4.2微铣削刀具磨损状态监测信号奇异性特征提取
4.5本章小结
第5章基于PCA的微铣削刀具状态监测信号的特征选择
5.1主成分分析法基本步骤
5.2刀具破损状态监测特征的选择
5.3刀具磨损状态监测特征的选择
5.4本章小结
第6章基于SVM的微铣削刀具状态模式识别
6.1 SVM概述
6.1.1线性可分支持向量机
6.1.2线性不可分支持向量机
6.1.3多分类支持向量机
6.2基于遗传算法SVM分类器识别模型建立
6.2.1 SVM模型结构确定
6.2.2 SVM核函数的选择
6.2.3惩罚因子和核参数的选择
6.2.4基于遗传算法刀具破损状态SVM模型建立
6.2.5基于遗传算法刀具磨损状态SVM模型建立
6.3微铣削刀具破损状态监测算法评估
6.3.1破损状态监测算法评估
6.3.2磨损状态监测算法评估
6.4本章小结
7.1本文总结
7.2研究展望
参考文献
致谢
附录
东北大学;