| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-22页 |
| 1.2.1 精密内孔圆柱度误差测量与评定方法研究现状 | 第13-15页 |
| 1.2.2 加工过程质量控制图模式识别研究现状 | 第15-18页 |
| 1.2.3 加工过程质量异常溯源研究现状 | 第18-22页 |
| 1.3 研究内容及组织框架 | 第22-25页 |
| 1.4 本章小结 | 第25-26页 |
| 第二章 基于融合特征与SVR的内孔圆柱度误差在线评定 | 第26-40页 |
| 2.1 引言 | 第26页 |
| 2.2 基于SVR的内孔圆柱度误差评定方法 | 第26-28页 |
| 2.3 内孔圆柱度检测数据特征融合 | 第28-33页 |
| 2.3.1 内孔数据特征融合总体过程 | 第28-29页 |
| 2.3.2 内孔数据特征的提取 | 第29-32页 |
| 2.3.3 内孔数据融合特征的约减 | 第32-33页 |
| 2.4 基于SVR回归的圆柱度误差评定模型构建及参数寻优 | 第33-36页 |
| 2.5 实验验证 | 第36-39页 |
| 2.5.1 实验数据及参数优化结果 | 第36-37页 |
| 2.5.2 实验结果分析 | 第37-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第三章 基于SVM在线更新的加工过程控制图模式识别与异常参数估计 | 第40-50页 |
| 3.1 引言 | 第40-41页 |
| 3.2 基于SVM在线更新的控制图模式识别方法 | 第41-47页 |
| 3.2.1 基于SVM的控制图模式识别模型构建 | 第41-42页 |
| 3.2.2 面向加工过程统计参数变化的SVM在线更新方法 | 第42-44页 |
| 3.2.3 控制图模式识别仿真实验 | 第44-47页 |
| 3.3 基于SVR的异常模式参数估计 | 第47-49页 |
| 3.3.1 训练样本数据的生成 | 第47-48页 |
| 3.3.2 基于SVR模型的参数估计 | 第48页 |
| 3.3.3 异常模式参数估计仿真实验 | 第48-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 基于知识规则和SVR推理的加工过程质量异常溯源 | 第50-59页 |
| 4.1 引言 | 第50-51页 |
| 4.2 精密内孔加工过程中的知识规则建立与编码 | 第51-54页 |
| 4.2.1 面向置信度评估的异常溯源知识规则建立 | 第51-53页 |
| 4.2.2 异常溯源知识规则的编码 | 第53-54页 |
| 4.3 融合知识规则和SVR推理机制的异常溯源方法 | 第54-57页 |
| 4.3.1 融合知识规则和SVR推理的异常溯源技术架构 | 第54-55页 |
| 4.3.2 基于SVR回归的异常推理模型构建 | 第55-57页 |
| 4.4 异常溯源方法实例验证 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 多路阀内孔质量智能判定与控制系统原型开发 | 第59-73页 |
| 5.1 引言 | 第59页 |
| 5.2 系统需求分析 | 第59-61页 |
| 5.3 系统总体设计 | 第61-64页 |
| 5.3.1 系统结构形式设计 | 第61页 |
| 5.3.2 系统流程设计 | 第61-63页 |
| 5.3.3 系统功能模块设计 | 第63-64页 |
| 5.4 系统功能实现 | 第64-72页 |
| 5.4.1 通用配置模块 | 第64-65页 |
| 5.4.2 质量检测与智能判定模块 | 第65-66页 |
| 5.4.3 SPC分析与模式智能识别模块 | 第66-71页 |
| 5.4.4 异常溯源模块 | 第71-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 全文总结 | 第73-74页 |
| 6.2 工作展望 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 作者简介 | 第80页 |
