致谢 | 第5-6页 |
摘要 | 第6-9页 |
Abstract | 第9-12页 |
第1章 绪论 | 第16-28页 |
1.1 引言 | 第16-17页 |
1.2 工序质量控制与诊断 | 第17-26页 |
1.2.1 工序质量控制与诊断的发展历程 | 第17-19页 |
1.2.2 质量诊断方法的研究现状 | 第19-26页 |
1.3 主要研究内容与技术路线 | 第26-28页 |
第2章 工序质量信息的不完备性分析 | 第28-43页 |
2.1 引言 | 第28-29页 |
2.2 工序质量信息 | 第29-32页 |
2.3 基于ExGQM的工序质量信息的完备性分析 | 第32-36页 |
2.4 几种典型的工序质量信息不完备情形 | 第36-42页 |
2.4.1 属性缺失 | 第37-38页 |
2.4.2 信息冗余与不一致 | 第38-39页 |
2.4.3 信息不确定 | 第39-41页 |
2.4.4 样本不足 | 第41-42页 |
2.5 本章小结 | 第42-43页 |
第3章 信息不完备情形下的质量诊断策略 | 第43-63页 |
3.1 引言 | 第43-44页 |
3.2 典型信息不完备情形下的处理对策 | 第44-47页 |
3.2.1 属性缺失情形下的处理对策 | 第44-45页 |
3.2.2 信息冗余情形下的处理对策 | 第45-46页 |
3.2.3 信息不确定情形下的处理对策 | 第46页 |
3.2.4 样本不足情形下的处理对策 | 第46-47页 |
3.3 信息不完备情形下的质量诊断策略 | 第47-62页 |
3.3.1 典型信息不完备情形下质量诊断策略 | 第47-61页 |
3.3.2 信息不完备情形下工序质量诊断的关键问题 | 第61-62页 |
3.4 本章小结 | 第62-63页 |
第4章 基于规则的工序质量诊断 | 第63-78页 |
4.1 引言 | 第63-64页 |
4.2 基于改进Roustida算法的缺失信息补齐 | 第64-67页 |
4.3 属性简约与诊断规则提取 | 第67-70页 |
4.3.1 相关理论及概念 | 第67-68页 |
4.3.2 属性约简与规则提取 | 第68-70页 |
4.3.3 效果评估 | 第70页 |
4.4 实例应用 | 第70-77页 |
4.4.1 沟道磨削质量信息描述 | 第71-72页 |
4.4.2 基于改进Roustida算法的缺失信息补齐 | 第72-73页 |
4.4.3 属性约简与规则提取 | 第73-75页 |
4.4.4 诊断规则的可靠性评估与讨论 | 第75-77页 |
4.5 本章小结 | 第77-78页 |
第5章 基于Bayesian网络的工序质量诊断 | 第78-89页 |
5.1 引言 | 第78-79页 |
5.2 Bayesian网络基本原理 | 第79-80页 |
5.2.1 概念界定 | 第79页 |
5.2.2 条件独立假设 | 第79-80页 |
5.3 基于工艺-工况-问题的Bayesian诊断网络模型构建 | 第80-82页 |
5.4 Bayesian网络结构学习与条件概率推理优化 | 第82-84页 |
5.4.1 基于评分搜索-K2算法的结构优化 | 第82-83页 |
5.4.2 基于Leaky Noisy-OR的维数优化 | 第83-84页 |
5.5 实例应用 | 第84-88页 |
5.5.1 基本工艺 | 第85-86页 |
5.5.2 沟道表面形貌问题诊断 | 第86-87页 |
5.5.3 问题诊断结果讨论 | 第87-88页 |
5.6 本章小结 | 第88-89页 |
第6章 基于历史经验重用的工序质量诊断 | 第89-103页 |
6.1 引言 | 第89-90页 |
6.2 基于物元模型的知识表达 | 第90-91页 |
6.3 可拓变换 | 第91-94页 |
6.3.1 可拓推理 | 第92-94页 |
6.3.2 基于映射的推理评估 | 第94页 |
6.4 案例库的组织与索引策略 | 第94-98页 |
6.4.1 案例推理的组织 | 第95-96页 |
6.4.2 代表案例聚类 | 第96-97页 |
6.4.3 权重确定与最近邻策略 | 第97-98页 |
6.5 实例应用 | 第98-102页 |
6.6 本章小结 | 第102-103页 |
第7章 结论与展望 | 第103-106页 |
7.1 结论 | 第103-105页 |
7.2 展望 | 第105-106页 |
参考文献 | 第106-114页 |
攻读博士学位期间主要研究成果 | 第114页 |