声明
1 绪论
1.1 课题来源
1.2 研究背景与意义
1.3 国内外研究现状
1.3.1 智能故障诊断技术的发展历程
1.3.2 刀具智能状态监测技术研究现状
1.3.3 隐马尔可夫及其扩展模型在刀具状态监测中的应用
1.4 文章主要内容及组织结构
2 铣削刀具多传感信号的采集与特征提取筛选技术
2.1 刀具智能状态监测系统框架
2.2 铣削刀具多传感信号采集实验平台
2.2.1 铣削刀具磨损概述
2.2.2 铣削刀具响应信号采集实验
2.3 状态响应信号预处理
(1) 信号平稳分析段选取
(2) 去空值奇异值处理
(3) 卡尔曼滤波
2.4 多传感信号的特征提取方法
2.4.1 时域特征提取
2.4.2 频域特征提取
2.4.3 时频域特征提取
2.5 基于近似冗余分析的特征筛选方法
2.5.1 相关性分析
2.5.2 冗余性分析
2.6 本章小结
3 基于BSO-GMHMMs模型的刀具磨损状态在线识别
3.1 混合高斯隐马尔可夫模型基本原理
3.1.1 混合高斯隐马尔可夫模型表示与假设
3.1.2 模型的三个基本问题与求解算法
3.2 天牛须粒子群算法（BSO）原理
3.2.1 天牛须算法（BAS）与粒子群算法（PSO）原理
3.2.2 BAS优化PSO的BSO算法
3.3 基于BSO-GMHMMs的刀具磨损状态在线识别模型
3.4 刀具状态识别结果及分析
3.4.1 铣削刀具磨损阶段划分
3.4.2 GMHMM模型参数选择
3.4.3 刀具状态识别结果与分析
3.5 本章小结
4 基于DD-HSMM模型的刀具剩余使用寿命在线预测
4.1 基于时变转移概率的隐半马尔可夫模型原理
4.1.1 基本思想与模型定义
4.1.2 改进的参数估计与寿命预测算法
4.2 基于DD-HSMM的刀具剩余使用寿命在线预测模型
4.3 预测结果与分析
4.4 本章小结
5 刀具磨损状态在线识别与寿命预测原型系统设计
5.1 系统结构框架
5.2 系统工作流程
5.3 系统功能界面
5.4 本章小结
6 总结与展望
6.1 全文总结
6.2 研究展望
致谢
参考文献
