基于贝叶斯网络的车身装配偏差诊断方法研究
摘要 | 第6-8页 |
ABSTRACT | 第8-10页 |
目录 | 第11-13页 |
第一章 绪论 | 第13-32页 |
1.1 研究背景及意义 | 第13-14页 |
1.2 国内外研究现状综述 | 第14-28页 |
1.2.1 车身装配偏差源诊断方法 | 第14-19页 |
1.2.2 贝叶斯网络与不确定性推理方法 | 第19-23页 |
1.2.3 贝叶斯网络的应用研究现状 | 第23-28页 |
1.2.4 研究现状小结 | 第28页 |
1.3 课题研究目的与来源 | 第28-29页 |
1.4 论文的研究内容与体系框架 | 第29-32页 |
第二章 车身装配偏差诊断问题的贝叶斯网络表达方法 | 第32-49页 |
2.1 引言 | 第32-33页 |
2.2 车身装配偏差的输入输出节点定义 | 第33-37页 |
2.2.1 车身装配偏差源因素 | 第33-35页 |
2.2.2 车身装配质量检测 | 第35-36页 |
2.2.3 装配偏差的输入输出节点 | 第36-37页 |
2.3 车身装配偏差关系的贝叶斯网络映射模型 | 第37-43页 |
2.3.1 模型基本定义 | 第37-38页 |
2.3.2 模型结构确定 | 第38-39页 |
2.3.3 模型参数学习 | 第39-42页 |
2.3.4 存在问题与讨论 | 第42-43页 |
2.4 车身装配偏差诊断的概率推理方法 | 第43-48页 |
2.4.1 从观测信息获得证据变量值 | 第44-46页 |
2.4.2 贝叶斯网络的推理算法 | 第46-47页 |
2.4.3 存在问题与讨论 | 第47-48页 |
2.5 本章小结 | 第48-49页 |
第三章 车身装配偏差贝叶斯网络的多源信息融合建模 | 第49-73页 |
3.1 引言 | 第49-50页 |
3.2 先验贝叶斯网络模型构建 | 第50-56页 |
3.2.1 基于影响系数法的装配偏差仿真分析 | 第51-53页 |
3.2.2 初始结构关系映射 | 第53-54页 |
3.2.3 节点先验条件概率计算 | 第54-56页 |
3.3 结合检测数据的贝叶斯网络模型更新 | 第56-63页 |
3.3.1 先验概率与样本数据的概率融合 | 第56-59页 |
3.3.2 基于独立性检验的网络结构更新 | 第59-63页 |
3.4 贝叶斯网络观测节点的优化 | 第63-67页 |
3.4.1 优化目标函数 | 第64-66页 |
3.4.2 基于有效独立法的测点优化 | 第66-67页 |
3.5 建模示例 | 第67-72页 |
3.6 小结 | 第72-73页 |
第四章 基于贝叶斯网络的多装配偏差源诊断方法研究 | 第73-94页 |
4.1 引言 | 第73-74页 |
4.2 小样本下观测节点的质量判异 | 第74-79页 |
4.2.1 质量参数的先验分布构建 | 第74-76页 |
4.2.2 质量参数的贝叶斯评估 | 第76-79页 |
4.3 基于贝叶斯网络的多偏差源诊断方法 | 第79-86页 |
4.3.1 多级装配中的偏差源诊断 | 第79-82页 |
4.3.2 诊断示例 | 第82-86页 |
4.4 贝叶斯网络的诊断能力分析 | 第86-93页 |
4.4.1 贝叶斯网络的诊断结果分类 | 第86-87页 |
4.4.2 诊断结果的影响因素分析 | 第87-89页 |
4.4.3 案例验证 | 第89-93页 |
4.5 本章小结 | 第93-94页 |
第五章 工程应用 | 第94-118页 |
5.1 引言 | 第94页 |
5.2 侧围外板总成的装配偏差源诊断案例 | 第94-111页 |
5.2.1 贝叶斯网络模型构建 | 第95-101页 |
5.2.2 夹具偏差的故障诊断 | 第101-104页 |
5.2.3 与模式匹配诊断方法的对比分析 | 第104-111页 |
5.3 前围下部总成的装配质量改进案例 | 第111-116页 |
5.3.1 初始诊断模型 | 第111-113页 |
5.3.2 模型的更新学习 | 第113-114页 |
5.3.3 偏差源诊断与质量改进 | 第114-116页 |
5.4 本章小结 | 第116-118页 |
第六章 全文总结与展望 | 第118-122页 |
6.1 主要内容和结论 | 第118-119页 |
6.2 本文创新点 | 第119-120页 |
6.3 研究展望 | 第120-122页 |
参考文献 | 第122-130页 |
攻读博士期间发表的论文 | 第130-131页 |
致谢 | 第131页 |