| 摘要 | 第1-9页 |
| Abstract | 第9-21页 |
| 第一章 绪论 | 第21-27页 |
| ·选题的意义与背景 | 第21-22页 |
| ·国内外质量管理与控制研究现状及分析 | 第22-25页 |
| ·本文的主要研究内容及结构安排 | 第25-27页 |
| 第二章 传感检测系统的智能静态校正及动态补偿技术研究 | 第27-43页 |
| ·基于补偿环节的静态校正原理 | 第27-28页 |
| ·支持向量机回归原理 | 第28-31页 |
| ·线性函数回归问题 | 第28-30页 |
| ·非线性函数回归问题 | 第30-31页 |
| ·基于SVR构造的FLANN逆校正模型 | 第31-33页 |
| ·常规函数型链接神经网络(FLANN)结构 | 第31-32页 |
| ·基于SVM技术的FLANN构造方法 | 第32-33页 |
| ·电容压力传感测试系统的非线性校正与温度补偿实例 | 第33-36页 |
| ·CPS校正数据集准备 | 第33-35页 |
| ·CPS修正方案与结果 | 第35-36页 |
| ·测试系统逆模型动态补偿原理 | 第36-37页 |
| ·基于FLANN的动态补偿方法 | 第37-39页 |
| ·基于SVR的FLANN补偿器构造方法 | 第39页 |
| ·实际传感器动态补偿对比实验 | 第39-41页 |
| ·本章小节 | 第41页 |
| 附,定理1的证明 | 第41-43页 |
| 第三章 测试系统的非线性动态建模与补偿技术研究 | 第43-58页 |
| ·非线性动态测试系统的Hammerstein模型描述 | 第43-45页 |
| ·基于LS-SVM的测试系统Hammerstein模型辨识 | 第45-48页 |
| ·LS-SVM回归原理 | 第45-46页 |
| ·Hammerstein模型参数辨识 | 第46-48页 |
| ·基于LS-SVM的测试系统非线性动态建模实验 | 第48-52页 |
| ·非线性动态传感器仿真辨识实验 | 第48-51页 |
| ·实际压力传感器的Hammerstein模型辨识实验 | 第51-52页 |
| ·非线性动态传感系统的Wiener模型描述及其补偿原理 | 第52-53页 |
| ·基于LS-SVM的非线性动态补偿构造 | 第53-55页 |
| ·实际压力传感器的非线性动态补偿实验 | 第55-57页 |
| ·本章小节 | 第57-58页 |
| 第四章 高维质量信息的智能集成与提取技术研究 | 第58-72页 |
| ·基于主元分析的信息特征提取方法 | 第58-60页 |
| ·基于核主元分析的非线性特征提取方法 | 第60-61页 |
| ·基于LS-SVM的信息特征提取方法 | 第61-64页 |
| ·基于LS-SVM的特征提取方法与PCA、KPCA的关系研究 | 第64-66页 |
| ·基于LS-SVM的线性特征提取方法与PCA的关系 | 第64-66页 |
| ·基于LS-SVM的非线性特征提取方法与KPCA的关系 | 第66页 |
| ·基于LS-SVM的特征提取方法的实例 | 第66-69页 |
| ·高维数据集的采集 | 第67-68页 |
| ·柴油油品质量数据集的信息提取实例 | 第68-69页 |
| ·本章小节 | 第69页 |
| 附,定理2的证明 | 第69-70页 |
| 附,定理3的证明 | 第70-72页 |
| 第五章 控制图趋势识别的智能质量诊断技术研究 | 第72-86页 |
| ·控制图趋势模式智能识别研究背景 | 第72-74页 |
| ·传统统计过程控制简介 | 第72-73页 |
| ·Shewhart控制图模式识别及其研究现状 | 第73-74页 |
| ·控制图趋势模式识别的辅助质量诊断的基本思想 | 第74-76页 |
| ·控制图异常模式数据分析 | 第76-80页 |
| ·过程样本数据集的产生 | 第76-77页 |
| ·基于PCA的控制图特征分析与预处理 | 第77-78页 |
| ·基于PCA的控制图特征提取效果验证 | 第78-80页 |
| ·一种适应控制图智能识别的多分类SVM | 第80-83页 |
| ·HAH多分类支持向量机 | 第80-81页 |
| ·控制图过程数据的PCA分析结果 | 第81页 |
| ·适合控制图智能诊断的多分类SVM结构设计 | 第81-83页 |
| ·实验及结果分析 | 第83页 |
| ·基于PCA-SVM的控制图智能识别方法及其应用 | 第83-85页 |
| ·本章小节 | 第85-86页 |
| 第六章 适应小批量制造模式的动态质量控制图技术研究 | 第86-100页 |
| ·多品种、小批量的柔性生产模式下的质量控制 | 第86-88页 |
| ·传统质量控制方法在小批量生产模式下的局限性 | 第86-87页 |
| ·多品种、小批量的质量控制国内外研究现状 | 第87-88页 |
| ·小批量生产条件下传统X控制图缺陷分析 | 第88-91页 |
| ·适应小批量生产的控制界限的建立 | 第91-93页 |
| ·基于t分布的小批量动态质量控制图研究 | 第93-99页 |
| ·Shewhart控制图相关参数的无偏估计 | 第94-95页 |
| ·抽样样本数量与虚发警报概率的关系 | 第95-96页 |
| ·基于t分布的可变控制限原理及其简便计算方法 | 第96-99页 |
| ·本章小节 | 第99-100页 |
| 第七章 6σ质量水平下的智能连续合格链长控制图技术研究 | 第100-113页 |
| ·六西格玛质量水平含义 | 第100-101页 |
| ·以累积连续合格品数为统计控制对象的研究 | 第101-103页 |
| ·以连续合格链长为统计控制对象的研究 | 第103-106页 |
| ·6σ质量水平下的连续合格链长控制图及其控制界的优化 | 第106-110页 |
| ·6σ质量水平下的控制界优化问题的提出 | 第106-107页 |
| ·CCR控制图控制界的优化 | 第107-108页 |
| ·控制界优化模型 | 第108页 |
| ·优化CCR控制图案例分析 | 第108-110页 |
| ·6σ质量水平下的CCR智能控制技术 | 第110-112页 |
| ·6σ质量水平下的基于ANN技术的智能判异原理 | 第110-111页 |
| ·智能质量控制网络训练与试验结果 | 第111-112页 |
| ·本章小节 | 第112-113页 |
| 第八章 基于时间序列模型的智能质量预测技术 | 第113-122页 |
| ·指数平滑预测模型 | 第113-114页 |
| ·用于质量预测的准动态指数平滑模型 | 第114-115页 |
| ·准动态指数平滑参数与初值的优化算法 | 第115-117页 |
| ·基于准动态指数平滑模型的加工质量预测实例 | 第117-120页 |
| ·本章小节 | 第120页 |
| 附,定理4的证明 | 第120-122页 |
| 第九章 结论与展望 | 第122-125页 |
| 参考文献 | 第125-133页 |
| 攻读博士期间发表的论文 | 第133页 |
