声明
摘要
第1章 绪论
1.1 课题研究的目的与意义
1.2 国内外发展现状
1.3 论文研究的主要内容
第2章 振动数据采集实验
2.1 实验设备
2.2 实验对象
2.3 实验过程
第3章 基于BP神经网络进行机床状态分类
3.1 人工神经网络的简介
3.2 人工神经网络的工作原理
3.3 BP神经网络学习算法
3.4 利用BP神经网络对数据进行分类
3.4.1 建立神经网络结构
3.4.2 提取时域特征建立网络
3.4.3 提取频域特征建立网络
3.4.4 提取时域和频域特征建立网络
3.5 本章小结
第4章 基于听觉模型(ZCPA)的机床状态分类
4.1 人类听觉系统简介
4.2 听觉模型的简介
4.3 ZCPA听觉模型
4.3.1 ZCPA听觉模型基本原理
4.3.2 基底膜带通滤波器
4.3.3 特征提取
4.4 ZCPA模型的调整与实现
4.5 基于ZCPA进行状态分类
4.5.1 建立试验标准
4.5.2 数据识别分类
4.6 本章小结
第5章 基于三次包络提取冲击的机床状态分类
5.1 冲击信号
5.2 利用三次包络识别与提取冲击信号
5.2.1 冲击信号的识别
5.2.2 冲击信号的提取
5.3 状态分类
5.4 本章小结
第6章 机床性能及工人操作水平评价
6.1 工作时间占用率
6.1.1 加工时间占用率
6.1.2 换刀时间占用率
6.1.3 对刀时间占用率
6.1.4 装卸时间占用率
6.1.5 停车时间占用率
6.1.6 统计每种工作状态时间占有率
6.2 利用统计的时间及冲击对设备及工人做评价
6.2.1 对工人技术水平的评价
6.2.2 利用冲击对工人评价
6.2.3 工人操作柔顺度
6.2.4 工人工作情绪的研究
6.3 设备的折旧
6.4 预算设备维修期
6.5 本章小结
第7章 总结与展望
7.1 总结
7.2 展望
参考文献
致谢