第1章  相关理论及发展现状
  1.1  单晶金刚石晶体特性及晶体结构
  1.2  单晶金刚石典型晶面及晶向
  1.3  单晶金刚石刀具的加工方法
  1.4  国内外发展现状
    1.4.1  单晶金刚石刀具刃磨水平和设备的发展现状
    1.4.2  单晶金刚石晶体定向方法的研究现状
    1.4.3  单晶金刚石刀具状态监测技术的发展现状
    1.4.4  单晶金刚石刀具振动信号控制方法发展现状
  1.5  单晶金刚石刀具性能的主要技术指标
    1.5.1  刃口钝圆半径
    1.5.2  刀具表面粗糙度
第2章  刃磨过程信号分析处理方法及系统建模
  2.1  表征刀具刃磨方向状态信息特征信号选择
  2.2  刃磨过程刀具特征信号去噪处理
    2.2.1  小波包分析理论
    2.2.2  小波包阈值去噪方法
    2.2.3  小波包阈值去噪方法的改进
    2.2.4  小波包去噪仿真结果分析
  2.3  刃磨过程刀具振动信号特征分析
  2.4  振动信号和声发射信号特征参数分析
    2.4.1  特征参数分析方法
    2.4.2  刀具振动信号特征分析
    2.4.3  刀具声发射信号特征分析
  2.5  系统建模
    2.5.1  步进电机系统建模
    2.5.2  刃磨压力与力臂长度关系建模
    2.5.3  刃磨压力与刀具振动之间关系建模
  本章小结
第3章  刃磨过程刀具方向在线识别及优化方法
  3.1  径向基神经网络概述
    3.1.1  径向基神经网络结构
    3.1.2  径向基神经网络的学习算法
  3.2  基于RBF 神经网络的刀具方向识别模型的构建
    3.2.1  刀具方向识别模型
    3.2.2  基于RBF 神经网络模型实验验证
  3.3  RBF 神经网络的改进
    3.3.1  粒子群算法
    3.3.2  粒子群算法参数及改进
    3.3.3  改进后粒子群算法的性能测试
    3.3.4  基于IPSO-RBF 的刀具刃磨方向在线识别模型
    3.3.5  基于IPSO-RBF 的刀具在线识别模型实验验证
  3.4  单晶金刚石刀具分度刃磨
  3.5  刀具刃磨方向的在线优化方法
    3.5.1  自动搜索寻优控制基本原理
    3.5.2  自动搜索寻优控制的实现方法
    3.5.3  刀具刃磨轨迹模型
    3.5.4  刀具刃磨位置与刃磨线速度方向的关系分析
    3.5.5  刀具刃磨方向的在线优化
    3.5.6  构造刀具刃磨方向的偏差函数
    3.5.7  基于步进搜索法的刀具刃磨方向在线优化及实验分析
  本章小结
第4章  刃磨过程刀具振动信号控制方法
  4.1  刃磨振动控制方法
    4.1.1  影响刀具刃磨振动相关扰动
    4.1.2  刀具刃磨振动控制思路及实施方式
  4.2  内模控制方法
    4.2.1  内模控制结构及控制器设计
    4.2.2  内模控制特性理论分析
    4.2.3  内模控制的优势与不足
  4.3  采用模糊神经网络改进内模控制
    4.3.1  模糊控制
    4.3.2  模糊神经网络
    4.3.3  模糊神经网络的优势
  4.4  模糊神经网络与内模控制相结合
    4.4.1  控制结构与原理
    4.4.2  FNN-IMC 控制方法仿真分析
  4.5  模糊神经网络鲁棒内模控制方法
    4.5.1  优化控制结构与原理
    4.5.2  鲁棒内模控制结构设计
    4.5.3  鲁棒控制器G C2(s) 设计
    4.5.4  FNN-Robust-IMC 控制方法仿真分析
  本章小结
第5章  单晶金刚石刀具刃磨过程控制系统
  5.1  系统实现的总体思路
  5.2  系统硬件组成
    5.2.1  信号采集电路
    5.2.2  滤波电路
    5.2.3  转换电路
    5.2.4  执行电路
  5.3  上位机监控界面设计
    5.3.1  LabVIEW 简介
    5.3.2  监控界面功能
    5.3.3  LabVIEW 界面设计
  5.4  实验分析
    5.4.1  采样间隔选择
    5.4.2  测点选择
    5.4.3  实验过程及结果
  本章小结
参考文献