| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 课题的研究背景及意义 | 第14-15页 |
| 1.2 相关领域的发展与应用研究 | 第15-18页 |
| 1.2.1 发展历程 | 第15-17页 |
| 1.2.2 国内外研究现状 | 第17-18页 |
| 1.3 研究的主要内容 | 第18-19页 |
| 1.4 论文的组织结构 | 第19-20页 |
| 1.5 本章小结 | 第20-21页 |
| 第二章 复杂机械产品装配设备运行参数的数据采集方法 | 第21-30页 |
| 2.1 复杂机械产品概述 | 第21-22页 |
| 2.2 制造过程的数据采集方式 | 第22-25页 |
| 2.3 基于WSN的装配设备运行状态参数的数据采集方法 | 第25-29页 |
| 2.3.1 无线传感器网络概述 | 第25-26页 |
| 2.3.2 无线传感器网络的体系结构 | 第26-27页 |
| 2.3.3 基于WSN的装配设备运行状态参数的数据采集技术 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于BP-MARKOV的装配设备运行状态评价参数预测 | 第30-43页 |
| 3.1 装配设备运行状态评价参数的分析和处理 | 第30-35页 |
| 3.1.1 装配设备工序能力指数 | 第30-33页 |
| 3.1.2 装配设备运行状态参数 | 第33-35页 |
| 3.2 基于BP神经网络的装配设备运行状态评价参数预测 | 第35-40页 |
| 3.2.1 BP神经网络概述 | 第35-36页 |
| 3.2.2 BP神经网络预测模型建立 | 第36-37页 |
| 3.2.3 GA法确定初始连接权值 | 第37-38页 |
| 3.2.4 BP神经网络的算法流程及学习步骤 | 第38-40页 |
| 3.3 基于MARKOV的装配设备运行状态评价参数的预测值修正 | 第40-42页 |
| 3.3.1 Markov法概述 | 第40-41页 |
| 3.3.2 Markov概率模型的建立 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于评价参数预测值的装配设备运行状态评估 | 第43-54页 |
| 4.1 装配设备运行状态的评价指数计算模型 | 第43-47页 |
| 4.1.1 工序能力评价指数的计算模型 | 第43-45页 |
| 4.1.2 装配设备运行状态参数的评价指数计算模型 | 第45-47页 |
| 4.2 基于评价指数的装配设备运行状态评估 | 第47-52页 |
| 4.2.1 装配设备运行状态评价指数的融合 | 第47-51页 |
| 4.2.2 装配设备的运行状态评价体系建立 | 第51-52页 |
| 4.3 基于装配设备运行状态变化趋势的控制策略 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 装配设备运行状态预测及评估方法验证 | 第54-62页 |
| 5.1 实验对象 | 第54页 |
| 5.2 数据采集和处理 | 第54-56页 |
| 5.2.1 数据采集流程 | 第54-55页 |
| 5.2.2 数据处理 | 第55-56页 |
| 5.3 BP神经网络学习和预测 | 第56-57页 |
| 5.4 马尔科夫误差修正 | 第57-59页 |
| 5.5 装配设备运行状态评估 | 第59-60页 |
| 5.6 本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间的学术活动及成果清单 | 第68页 |
