基于改进RBF神经网络的钢构件质量管理系统的研究与设计
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题背景与意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-11页 |
| 1.2.1 钢铁企业质量管理国内外现状 | 第10-11页 |
| 1.2.2 钢铁企业质量管理发展分析 | 第11页 |
| 1.3 本论文主要内容 | 第11-14页 |
| 第二章 钢构件生产过程和质量分析 | 第14-20页 |
| 2.1 钢构件生产流程和质量分析 | 第14-16页 |
| 2.1.1 钢结构企业的业务流程 | 第14-15页 |
| 2.1.2 钢构件的生产流程 | 第15-16页 |
| 2.2 钢构件质量分析 | 第16-19页 |
| 2.2.1 钢结构质量标准 | 第16-17页 |
| 2.2.2 钢构件质量问题与分析 | 第17-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 改进RBF神经网络的质量检测专家系统 | 第20-37页 |
| 3.1 RBF神经网络 | 第20-24页 |
| 3.1.1 人工神经网络的介绍 | 第20页 |
| 3.1.2 RBF神经网络模型 | 第20-21页 |
| 3.1.3 RBF神经网络的映射关系 | 第21-22页 |
| 3.1.4 RBF神经网络的学习过程 | 第22-24页 |
| 3.2 基于遗传算法的RBF神经网络参数优化 | 第24-28页 |
| 3.2.1 遗传算法的研究 | 第24-25页 |
| 3.2.2 遗传算法优化RBF神经网络参数 | 第25-28页 |
| 3.3 专家系统的介绍 | 第28-29页 |
| 3.3.1 专家系统的概念与特点 | 第28页 |
| 3.3.2 专家系统的结构 | 第28-29页 |
| 3.4 结合RBF神经网络的专家系统 | 第29-36页 |
| 3.4.1 专家系统中引入神经网络的原因 | 第29-30页 |
| 3.4.2 神经网络专家系统的结构和分析 | 第30-33页 |
| 3.4.3 结合RBF神经网络专家系统的建立 | 第33-34页 |
| 3.4.4 质量检测专家系统实现 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 系统的需求分析与架构设计 | 第37-47页 |
| 4.1 生产过程中的质量控制 | 第37-38页 |
| 4.2 系统基本功能分析 | 第38-39页 |
| 4.3 钢结构质量管理系统设计 | 第39-46页 |
| 4.3.1 系统管理子系统 | 第39-40页 |
| 4.3.2 设计管理子系统 | 第40-41页 |
| 4.3.3 供应管理子系统 | 第41-42页 |
| 4.3.4 库存管理子系统 | 第42-43页 |
| 4.3.5 质量检测子系统 | 第43-45页 |
| 4.3.6 质量追溯子系统 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 钢结构企业质量管理系统的功能实现 | 第47-62页 |
| 5.1 硬件平台及开发软件选择 | 第47-48页 |
| 5.1.1 硬件选型 | 第47页 |
| 5.1.2 软件开发环境 | 第47-48页 |
| 5.2 数据库设计 | 第48-53页 |
| 5.2.1 关系型数据库设计原则 | 第48-49页 |
| 5.2.2 数据库表关系设计 | 第49-53页 |
| 5.3 系统实现 | 第53-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间所取得的相关科研成果 | 第67-68页 |
| 致谢 | 第68页 |
