声明
摘要
第1章 绪论
1.1 研究背景与意义
1.2 刀具磨损状态监测技术和研究成果
1.2.1 刀具状态监测技术的发展概况
1.2.2 刀具磨损状态监测技术的研究现状
1.3 课题的提出
1.4 本文的主要内容
第2章 深度学习模型理论简介
2.1 深度学习的概念
2.2 深度学习模型
2.2.1 自动编码器
2.2.2 限制玻尔兹曼机
2.3 深度学习的研究现状和发展趋势
2.3.1 深度学习的研究现状
2.3.2 深度学习的发展趋势
2.4 本章小结
第3章 高速铣削刀具的磨损机理及其试验系统设计
3.1 刀具磨损与破损
3.1.1 前刀面磨损
3.1.2 后刀面磨损
3.1.3 边界磨损
3.2 刀具磨损的机理
3.2.1 刀具磨损的原因
3.2.2 刀具的磨损过程
3.2.3 刀具的磨钝标准
3.3 刀具磨损监测系统实验设计
3.3.1 监测信号的选择
3.3.2 试验平台的搭建
3.3.3 试验方案设计
3.3.4 实测信号
3.4 本章小结
第4章 力信号分析与刀具磨损特征提取
4.1 时域分析
4.2 频域分析
4.3 小波分析
4.3.1 连续小波变换
4.3.2 离散小波变换
4.3.3 小波包分析
4.4 本章小结
第5章 基于传统即神经网络的刀具磨损状态监测
5.1 BP神经网络
5.1.1 BP神经网络的结构
5.1.2 BP神经网络的学习算法
5.2 基于BP神经网络的刀具磨损监测模型设计
5.3 实验结果分析
5.4 本章小结
第6章 基于深层模型的刀具磨损状态的监测
6.1 堆栈稀疏自编码网络
6.2 Softmax分类器
6.3 微调多层自编码算法
6.4 基于深度学习的刀具磨损状态监测
6.5 试验验证
6.5.1 试验数据
6.5.2 实验结果
6.6 本章小结
第7章 总结和展望
7.1 总结
7.2 展望
参考文献
致谢
在读期间发表的学术论文与取得的其他研究成果