基于神经网络的烟草制丝工序质量诊断技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 论文研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 SPC技术研究现状 | 第12-13页 |
| 1.2.2 控制图模式识别技术 | 第13-14页 |
| 1.3 论文的主要研究内容、体系结构及创新点 | 第14-15页 |
| 1.3.1 论文的主要研究内容 | 第14页 |
| 1.3.2 论文的体系结构 | 第14-15页 |
| 1.3.3 论文的创新点 | 第15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 SPC在烟草制丝工序中的应用 | 第16-28页 |
| 2.1 SPC理论概述 | 第16页 |
| 2.2 SPC控制图 | 第16-21页 |
| 2.2.1 控制图的设计原理 | 第16-18页 |
| 2.2.2 控制图的类型及特征 | 第18-19页 |
| 2.2.3 控制图的判断准则 | 第19-20页 |
| 2.2.4 过程能力分析 | 第20-21页 |
| 2.3 SPC应用流程 | 第21-22页 |
| 2.4 实例分析 | 第22-27页 |
| 2.4.1 制丝质量特性分析 | 第22-23页 |
| 2.4.2 控制图在制丝质量控制中的应用 | 第23-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 制丝过程质量控制图模式识别 | 第28-42页 |
| 3.1 人工神经网络理论 | 第28-34页 |
| 3.1.1 神经元模型及传递函数 | 第28-30页 |
| 3.1.2 BP神经网络结构及算法 | 第30-33页 |
| 3.1.3 改进的BP算法 | 第33-34页 |
| 3.2 控制图模式定义 | 第34-36页 |
| 3.2.1 控制图模式分类 | 第34-35页 |
| 3.2.2 控制图模式数据描述 | 第35-36页 |
| 3.3 控制图模式识别总体方案 | 第36-38页 |
| 3.4 实例分析 | 第38-41页 |
| 3.4.1 网络结构设计 | 第38-39页 |
| 3.4.2 网络训练 | 第39-40页 |
| 3.4.3 仿真实验结果分析 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 质量诊断技术研究 | 第42-58页 |
| 4.1 基于BP神经网络的质量诊断 | 第42-50页 |
| 4.1.1 工序质量诊断方案分析 | 第42-43页 |
| 4.1.2 工序质量诊断原理 | 第43-47页 |
| 4.1.3 网络模型的建立 | 第47-49页 |
| 4.1.4 网络训练 | 第49-50页 |
| 4.2 故障信息数据库设计 | 第50-54页 |
| 4.2.1 故障信息分析 | 第50-51页 |
| 4.2.2 故障信息编码 | 第51-53页 |
| 4.2.3 故障信息数据库结构设计 | 第53-54页 |
| 4.3 实例分析 | 第54-57页 |
| 4.3.1 系统方案设计 | 第54-56页 |
| 4.3.2 方案验证 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 基于神经网络的制丝过程质量诊断系统 | 第58-67页 |
| 5.1 系统设计 | 第58-60页 |
| 5.1.1 系统总体设计流程 | 第58-59页 |
| 5.1.2 异常诊断知识库设计 | 第59-60页 |
| 5.2 系统功能实现 | 第60-66页 |
| 5.2.1 系统功能结构图 | 第60页 |
| 5.2.2 各模块的功能实现 | 第60-65页 |
| 5.2.3 系统运行实例测试 | 第65-66页 |
| 5.3 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-68页 |
| 6.1 论文的总结 | 第67页 |
| 6.2 未来工作展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读学位期间的研究成果 | 第71-72页 |
| 致谢 | 第72页 |
