高品質切削過程的智能感知與預測技術

第一章 緒論
1．1 高品質切削過程的智能感知與預測概述
1．2 高品質切削過程的智能感知與預測實現(xiàn)模式
1．3 高品質切削過程的智能感知與預測相關技術
1．4 高品質切削過程的智能感知與預測應用領域
1．5 高品質切削過程的智能感知與預測技術展望
第二章 基于切削力和振動信號的工件表面粗糙度在線監(jiān)測
2．1 工件表面粗糙度在線監(jiān)測概述
2．2 工件表面粗糙度影響因素分析
2．3 切削力、振動信號特征的提取與分析
2．4 切削力、振動信號特征的降維與壓縮
2．5 基于改進BP神經網絡的表面粗糙度監(jiān)測模型
2．6 本章小結
第三章 平面立銑工件表面紋理在線監(jiān)測
3．1 工件表面紋理在線監(jiān)測概述
3．2 表面紋理在線監(jiān)測系統(tǒng)
3．3 立銑加工信號特征與表面紋理特征的提取
3．4 基于改進BP神經網絡模型的平面立銑表面紋理監(jiān)測模型
3．5 實例驗證
3．6 本章小結
第四章 基于機器學習的銑削刀具磨損在線監(jiān)測
4．1 刀具磨損監(jiān)測概述
4．2 刀具磨損監(jiān)測方案
4．3 刀具磨損信號特征的提取
4．4 刀具磨損監(jiān)測模型
4．5 本章小結
第五章 基于機器學習的刀具剩余壽命預測
5．1 刀具剩余壽命預測概述
5．2 基于狀態(tài)信息的刀具運行可靠性的刀具剩余壽命預測
5．3 基于深度學習的刀具剩余壽命預測
5．4 本章小結
第六章 統(tǒng)計數(shù)據(jù)驅動的刀具剩余壽命預測
6．1 基于線性維納過程的刀具剩余壽命預測模型
6．2 基于非線性維納過程的刀具剩余壽命預測
6．3 本章小結
第七章 基于隱馬爾科夫模型的銑削顫振預報
7．1 穩(wěn)定性監(jiān)測與預報概況
7．2 銑削顫振動力學分析
7．3 銑削顫振信號處理及特征提取技術
7．4 基于隱馬爾科夫模型的顫振狀態(tài)預測模型
7．5 實例驗證
7．6 本章小結
第八章 基于感知與預測的產品服務系統(tǒng)
8．1 刀具工業(yè)產品服務系統(tǒng)概述
8．2 刀具工業(yè)產品服務系統(tǒng)架構
8．3 刀具工業(yè)產品服務系統(tǒng)流程
8．4 TCM-iPSS系統(tǒng)的使能技術
8．5 系統(tǒng)原型與驗證
8．6 本章小結
參考文獻