| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 1 绪论 | 第11-26页 |
| ·21世纪的制造业 | 第11-14页 |
| ·产品生命周期缩短 | 第11-12页 |
| ·交货期成为主要的竞争因素 | 第12页 |
| ·用户需要多样化、个性化 | 第12页 |
| ·质量和成本是企业永恒的主题 | 第12-13页 |
| ·多品种小批量生产比例增大 | 第13-14页 |
| ·大规模定制的提出和基本概念 | 第14-16页 |
| ·大规模定制的提出 | 第14页 |
| ·大规模定制的基本概念 | 第14-15页 |
| ·大规模定制的分类 | 第15-16页 |
| ·大规模定制的支撑平台 | 第16-19页 |
| ·大规模定制的关键技术 | 第16-17页 |
| ·大规模定制的主要方法 | 第17-18页 |
| ·大规模定制的管理模式 | 第18-19页 |
| ·大规模定制的实施 | 第19-24页 |
| ·大规模定制的优势和不足 | 第19-20页 |
| ·大规模定制的产业应用现状 | 第20-21页 |
| ·实施大规模定制的成功要素和潜在风险 | 第21页 |
| ·大规模定制的实施策略 | 第21-24页 |
| ·论文的思路 | 第24-26页 |
| 2 智能成组技术 | 第26-44页 |
| ·成组技术的起源及其主要研究成果 | 第26-29页 |
| ·成组技术的起源 | 第26-28页 |
| ·成组单元与单元制造系统 | 第28页 |
| ·智能成组技术的研究现状 | 第28-29页 |
| ·成组技术与现代先进制造技术 | 第29-32页 |
| ·并行工程与GT | 第30页 |
| ·精益生产与GT | 第30-31页 |
| ·制造管理信息化与GT | 第31-32页 |
| ·小结 | 第32页 |
| ·航天晨光成组技术的应用 | 第32-38页 |
| ·航天晨光基本情况 | 第32-33页 |
| ·专用车产品 | 第33-36页 |
| ·管类产品 | 第36-38页 |
| ·大规模定制生产与智能成组技术的结合 | 第38-44页 |
| ·智能成组技术是实现大规模定制生产的必经之路 | 第38-39页 |
| ·面向大规模定制生产的智能成组技术 | 第39-42页 |
| ·智能成组技术的作用 | 第42-44页 |
| 3 自适应变异的粒子群优化算法求解P-中位模型 | 第44-48页 |
| ·零件分族的P-中位模型 | 第44-45页 |
| ·自适应变异的粒子群优化算法描述 | 第45-47页 |
| ·自适应变异的粒子群优化算法的描述 | 第45-47页 |
| ·算法仿真 | 第47页 |
| ·小结 | 第47-48页 |
| 4 数据聚类回归逻辑神经网络在成组夹具设计中的应用 | 第48-56页 |
| ·夹具的编码 | 第48-49页 |
| ·高属性维稀疏数据聚类回归逻辑神经网络模型 | 第49-54页 |
| ·高属性维稀疏信息系统 | 第49-50页 |
| ·稀疏特征 | 第50页 |
| ·稀疏特征差异度 | 第50-51页 |
| ·相似矩阵及性质 | 第51页 |
| ·高属性维稀疏数据聚类回归逻辑神经网络模型 | 第51-53页 |
| ·高属性维稀疏数据聚类回归逻辑神经网络学习算法 | 第53-54页 |
| ·应用实例 | 第54-55页 |
| ·小结 | 第55-56页 |
| 5 基于新模糊聚类算法的成组零件分类 | 第56-61页 |
| ·零件编码系统的零件分组方法 | 第56-57页 |
| ·模糊聚类 | 第57-58页 |
| ·引入信息熵理论的模糊聚类 | 第58-59页 |
| ·应用实例 | 第59-60页 |
| ·小结 | 第60-61页 |
| 6 基于模糊神经网络的轴类零件聚类分析 | 第61-69页 |
| ·轴类零件的特征参数 | 第61页 |
| ·熵聚类模糊神经网络模型 | 第61-67页 |
| ·模糊输入空间划分和规则提取 | 第62-64页 |
| ·基于模糊加权型推理法的模糊神经网络模型 | 第64-66页 |
| ·模糊神经网络系统的学习 | 第66-67页 |
| ·应用实例 | 第67页 |
| ·小结 | 第67-69页 |
| 7 零件相似的原理在成组零件分类中的应用 | 第69-75页 |
| ·零件相似性特征的定义 | 第69-70页 |
| ·基于相似性特征的零件编码 | 第70-71页 |
| ·基于编码的零件相似识别方法 | 第71-72页 |
| ·零件相似方法的应用 | 第72-73页 |
| ·小结 | 第73-75页 |
| 8 ART_2神经网络在成组技术中的应用 | 第75-82页 |
| ·神经网络在零件编码分类系统中的应用 | 第75-76页 |
| ·制造单元设计概述 | 第76-77页 |
| ·有导师指导细化拟合的ART_2神经网络模型 | 第77-79页 |
| ·应用实例 | 第79-80页 |
| ·小结 | 第80-82页 |
| 9 识别零件几何与工艺特征的自动分类系统 | 第82-92页 |
| ·零件特征权级与权重 | 第82-83页 |
| ·特征抽取 | 第82-83页 |
| ·目标类别与零件特征权级、权重分配 | 第83页 |
| ·优化计算与模糊中心聚类 | 第83-88页 |
| ·模糊中心聚类模式识别神经网络 | 第88-89页 |
| ·自动分类应用系统设计 | 第89页 |
| ·应用实例 | 第89-91页 |
| ·小结 | 第91-92页 |
| 10 结论与展望 | 第92-98页 |
| ·研究结论 | 第92-93页 |
| ·航天晨光成组技术应用下一步的打算 | 第93页 |
| ·未来展望 | 第93-98页 |
| ·成组技术与制造全球化 | 第94-95页 |
| ·成组技术的一个重要发展—大批量定制生产方式 | 第95页 |
| ·成组技术与知识经济和技术创新 | 第95页 |
| ·成组技术与可持续发展 | 第95-98页 |
| 致谢 | 第98-99页 |
| 参考文献 | 第99-107页 |
| 附录 博士学位在读期间发表的论文和参加的项目等情况 | 第107页 |