目錄序前言第1章 緒論 11.1 磨削加工過程監控與優化決策技術簡介 11.2 磨削加工過程監控與優化決策技術發展 21.3 磨削功率/能耗智能監控與優化決策技術研究現狀 51.3.1 智能監控技術 51.3.2 能耗指標評價體系與模型 141.3.3 能耗與質量、效率多目標優化方法 211.3.4 磨削數據庫與決策系統 231.4 本書研究內容 26參考文獻 28第2章 磨削功率/能耗智能監控與優化決策硬件系統 392.1 磨削功率/能耗智能監控與優化決策硬件系統總體設計 392.2 磨削功率/能耗在線監控硬件系統 412.2.1 功率傳感器安裝與調試 412.2.2 功率信號數模-模數轉換與采集 442.3 磨削功率/能耗遠程監控硬件系統 462.4 自適應反饋控制硬件系統 47參考文獻 50第3章 磨削功率/能耗智能監控與優化決策軟件系統 523.1 EconG?總體框架與功能結構 523.2 軟件開發工具和互聯方法 553.2.1 LabVIEW 553.2.2 SQL Server 553.2.3 LabVIEW與LabVIEW遠程網絡連接 563.2.4 LabVIEW與SQL Server連接 563.3 EconG?系統模塊設計 563.3.1 磨削功率/能耗實時監測模塊 563.3.2 時頻域磨削功率/能耗特征提取模塊 613.3.3 砂輪狀態監測和比較模塊 633.3.4 磨削燒傷實時判別模塊 653.3.5 磨削工藝參數多目標優化模塊 663.3.6 磨削工況總結模塊 673.4 EconG?數據傳輸與管理 68參考文獻 69第4章 磨削過程監測海量功率信號的時頻域特征提取方法 714.1 信號的時域與頻域性質 714.2 數字濾波 734.2.1 數字濾波流程 734.2.2 快速傅里葉變換基本理論 744.2.3 噪聲識別與濾波 804.3 時域與頻域特征提取 864.3.1 時域特征提取 864.3.2 頻域特征提取 90參考文獻 91第5章 磨削工藝參數多目標優化方法 935.1 磨削加工時間歷程 935.2 磨削加工能耗指標評估模型 965.2.1 磨削加工過程能耗流分析 965.2.2 材料去除能耗的深度學習模型 975.2.3 總能耗的物理參數/深度學習混合模型 1025.2.4 能耗效率評估 1115.3 表面質量的三層映射aANN模型 1155.3.1 功率信號關鍵特征與表面質量聚類分析 1155.3.2 三層映射自適應人工神經網絡模型 1155.4 Pareto優化方法 1235.4.1 基于動態慣性權重粒子群優化算法的能耗單目標優化 1235.4.2 生產-環境多目標優化 126參考文獻 134第6章 用戶-基礎-過程-知識結構的遠程磨削數據庫 1376.1 磨削數據的多源異構分析 1376.1.1 磨削數據及其來源分析 1376.1.2 磨削數據結構 1406.2 海量動態功率數據壓縮與存儲方法 1406.2.1 高效壓縮方法 1406.2.2 快速存儲調用方法 1486.2.3 案例分析與討論 1506.3 遠程磨削數據庫總體設計 1516.3.1 數據庫開發架構與傳輸管理 1516.3.2 數據發送和接收管理 1556.4 遠程磨削數據庫數據操作與開發 1566.4.1 基于LabVIEW的遠程磨削數據庫數據操作 1566.4.2 基于LabVIEW的遠程磨削數據庫模塊結構與配置方法 162參考文獻 165第7章 磨削加工智能控制技術 1677.1 磨削功率/能耗智能監控與優化決策軟硬件系統調用 1677.2 磨削知識數據的動態配置 1707.2.1 知識數據離散化處理 1707.2.2 知識數據判定索引 1717.2.3 知識數據挖掘及關聯性分析 1737.2.4 知識數據配置 1757.3 自適應反饋控制技術 1777.3.1 自適應反饋控制系統 1777.3.2 機床交互控制 1797.3.3 自適應反饋控制技術應用 185參考文獻 187第8章 磨削功率/能耗智能監控與優化決策系統應用及展望 1898.1 典型材料磨削加工的功率/能耗智能監控與優化決策 1898.1.1 金屬材料磨削加工 1898.1.2 陶瓷材料磨削加工 1988.1.3 復合材料磨削加工 2048.2 典型零部件磨削加工的磨削功率/能耗智能監控與優化決策 2158.2.1 軸承磨削加工 2158.2.2 *軸磨削加工 2268.3 磨削加工過程智能監控與優化決策系統展望 235參考文獻 236