| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题背景及意义 | 第8-9页 |
| 1.1.1 课题背景 | 第8-9页 |
| 1.1.2 研究意义与课题来源 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 生产过程质量动态监控方法的研究现状 | 第9-10页 |
| 1.2.2 基于 SPC 的生产过程质量监控现状 | 第10-11页 |
| 1.2.3 SPC 控制图模式识别的研究现状 | 第11-13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 2 自动加工生产线环境下应用 SPC 的策略与方法研究 | 第14-28页 |
| 2.1 统计过程控制（SPC）方法的分析研究 | 第14-21页 |
| 2.1.1 SPC 的发展 | 第14-15页 |
| 2.1.2 SPC 控制图原理及类型 | 第15-16页 |
| 2.1.3 实施 SPC 控制图的两个阶段 | 第16-21页 |
| 2.2 自动加工制造环境下的质量控制 | 第21-28页 |
| 2.2.1 质量控制基础 | 第22-24页 |
| 2.2.2 自动加工生产线 | 第24-25页 |
| 2.2.3 自动加工生产线环境下的质量控制策略 | 第25-28页 |
| 3 基于 SPC 控制图模式识别的自动加工过程智能监控模型 | 第28-48页 |
| 3.1 SPC 控制图模式研究 | 第28-31页 |
| 3.1.1 SPC 控制图模式现象 | 第28页 |
| 3.1.2 SPC 控制图八种基本模式介绍 | 第28-30页 |
| 3.1.3 SPC 控制图模式描述的 Monte-Carlo 方法 | 第30-31页 |
| 3.2 基于 BTSVM 的控制图模式识别三阶段集成模型 | 第31-43页 |
| 3.2.1 支持向量机原理 | 第31-36页 |
| 3.2.2 三阶段集成模型的识别流程 | 第36-37页 |
| 3.2.3 控制图模式特征的提取 | 第37-38页 |
| 3.2.4 费舍尔比值法及 BTSVM 的构建 | 第38-39页 |
| 3.2.5 异常模式识别实验验证及结果分析 | 第39-43页 |
| 3.3 基于 K-means 提取特征的控制图模式识别的混合模型 | 第43-46页 |
| 3.3.1 K-means 聚类方法 | 第43-44页 |
| 3.3.2 混合模型的识别流程 | 第44页 |
| 3.3.3 基于 K-means 提取 SPC 控制图特征的方法 | 第44-45页 |
| 3.3.4 实验结果及分析 | 第45-46页 |
| 3.4 两种模型识别效果对比分析 | 第46-48页 |
| 4 面向齿轮自动生产线的质量智能监控系统构建 | 第48-58页 |
| 4.1 相关背景 | 第48页 |
| 4.2 质量智能监控系统需求分析 | 第48-49页 |
| 4.3 齿轮自动加工生产线质量智能监控系统方案设计 | 第49-52页 |
| 4.3.1 系统框架设计 | 第49-50页 |
| 4.3.2 系统功能模块设计 | 第50-51页 |
| 4.3.3 系统的数据采集方案设计 | 第51-52页 |
| 4.4 齿轮自动加工生产线质量智能监控系统的运行流程 | 第52-53页 |
| 4.5 系统应用实例（生产现场图片、质量采集） | 第53-58页 |
| 5 结论 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 附录 | 第68页 |
| A. 作者在攻读硕士学位期间发表的论文 | 第68页 |
| B. 作者在攻读硕士学位期间从事的主要科研工作 | 第68页 |
| C. 作者在攻读硕士学位期间所获奖励 | 第68页 |
