基于人工智能的加工过程质量诊断与调整研究
| 摘要 | 第1-13页 |
| Abstract | 第13-15页 |
| 第1章 绪论 | 第15-23页 |
| ·课题的研究背景和意义 | 第15-16页 |
| ·国内外研究现状 | 第16-21页 |
| ·控制图模式识别的研究现状 | 第17-18页 |
| ·质量诊断的研究现状 | 第18-20页 |
| ·质量调整的研究现状 | 第20-21页 |
| ·研究存在的问题 | 第21页 |
| ·本文研究内容 | 第21-23页 |
| 第2章 基于改进BP神经网络的控制图模式识别 | 第23-35页 |
| ·改进BP神经网络 | 第23-25页 |
| ·Monte Carlo数据模拟优化方法 | 第25-26页 |
| ·控制图模式定义 | 第26-27页 |
| ·基于改进BP神经网络的控制图模式识别研究 | 第27-31页 |
| ·控制图模式识别系统模块 | 第27页 |
| ·样本数据生成和数据预处理 | 第27-29页 |
| ·网络训练与系统测试 | 第29-31页 |
| ·加工过程的控制图模式识别 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第3章 质量诊断与调整研究 | 第35-67页 |
| ·专家系统的基本理论 | 第36-39页 |
| ·专家系统应用于质量诊断的优势 | 第36页 |
| ·专家系统基本结构 | 第36-38页 |
| ·专家系统的推理策略 | 第38-39页 |
| ·质量诊断的知识表示与知识库 | 第39-48页 |
| ·产生式知识表示 | 第39-42页 |
| ·专家系统知识库 | 第42-45页 |
| ·知识获取 | 第45-48页 |
| ·系统推理的设计与实现 | 第48-65页 |
| ·故障树的自动生成 | 第48-51页 |
| ·系统初步推理 | 第51-54页 |
| ·质量因素特征值的监测 | 第54-57页 |
| ·系统自动推理 | 第57-61页 |
| ·人工辅助推理 | 第61-62页 |
| ·基于知识库的质量调整策略 | 第62-65页 |
| ·本章小结 | 第65-67页 |
| 第4章 系统开发 | 第67-87页 |
| ·MQDS系统总体设计 | 第67-68页 |
| ·系统模块 | 第67页 |
| ·开发环境和工具 | 第67-68页 |
| ·数据结构设计 | 第68-78页 |
| ·模式识别数据结构 | 第68-69页 |
| ·诊断和调整系统数据结构 | 第69-78页 |
| ·程序实现 | 第78-85页 |
| ·系统主界面 | 第78页 |
| ·数据采集界面 | 第78-80页 |
| ·控制图模式识别界面 | 第80-81页 |
| ·自动推理界面 | 第81-82页 |
| ·人工辅助推理界面 | 第82-83页 |
| ·质量调整界面 | 第83-84页 |
| ·数据库维护界面 | 第84-85页 |
| ·本章小结 | 第85-87页 |
| 结论与展望 | 第87-89页 |
| 结论 | 第87-88页 |
| 展望 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 攻读硕士学位期间所发表的学术论文 | 第93-95页 |
| 致谢 | 第95-96页 |
| 学位论文评阅及答辩情况表 | 第96页 |
