| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究内容与方法 | 第10-11页 |
| 1.2.1 研究内容 | 第10-11页 |
| 1.2.2 研究方法 | 第11页 |
| 1.3 创新点摘要 | 第11-12页 |
| 1.4 技术路线 | 第12-13页 |
| 2 制造过程质量控制技术文献综述 | 第13-20页 |
| 2.1 过程质量控制模式相关研究 | 第13-15页 |
| 2.2.1 基于分析模型 | 第14页 |
| 2.2.2 基于经验知识 | 第14页 |
| 2.2.3 基于过程数据 | 第14-15页 |
| 2.2 人工智能技术应用在过程质量控制相关研究 | 第15-18页 |
| 2.2.1 SPC控制图模式识别 | 第15-16页 |
| 2.2.2 过程质量参数预测 | 第16-17页 |
| 2.2.3 过程质量智能控制 | 第17-18页 |
| 2.3 过程质量数据预处理相关研究 | 第18-19页 |
| 2.3.1 小波分解方法 | 第18页 |
| 2.3.2 经验模态分解方法 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 制造过程质量管控模型构建 | 第20-28页 |
| 3.1 制造过程质量管控需求分析 | 第20-21页 |
| 3.2 制造过程质量管控模型 | 第21-24页 |
| 3.2.1 原理与基本理论 | 第21-23页 |
| 3.2.2 基于数据驱动的管控模型 | 第23-24页 |
| 3.3 过程质量管控模型的关键技术分析 | 第24-27页 |
| 3.3.1 过程质量模式识别 | 第24-25页 |
| 3.3.2 过程质量参数预测 | 第25-26页 |
| 3.3.3 过程质量反馈控制 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 4 制造过程质量模式识别 | 第28-47页 |
| 4.1 制造过程质量模式识别问题分析 | 第28-30页 |
| 4.2 制造过程质量模式特征提取 | 第30-37页 |
| 4.2.1 统计特征 | 第30-31页 |
| 4.2.2 形状特征 | 第31-33页 |
| 4.2.3 EMD主元特征 | 第33-35页 |
| 4.2.4 融合特征 | 第35-37页 |
| 4.3 基于支持向量机的过程质量模式识别 | 第37-42页 |
| 4.3.1 基于多分类支持向量机的模式识别方法 | 第37-39页 |
| 4.3.2 支持向量机核函数参数分析 | 第39-41页 |
| 4.3.3 基于PSO的SVM参数优化 | 第41-42页 |
| 4.4 仿真实验验证 | 第42-46页 |
| 4.4.1 实验数据集 | 第42-44页 |
| 4.4.2 实验结果对比及分析 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 5 过程质量异常模式参数预测 | 第47-60页 |
| 5.1 制造过程误差预测问题分析 | 第48页 |
| 5.2 基于异常模式参数分解的制造过程质量预测模型 | 第48-53页 |
| 5.2.1 基于瞬时频率的EMD结果聚类分析 | 第49-50页 |
| 5.2.2 基于LSSVR异常模式参数预测模型 | 第50-53页 |
| 5.3 实验验证 | 第53-59页 |
| 5.4 本章小结 | 第59-60页 |
| 6 制造过程质量管控模型应用实验 | 第60-68页 |
| 6.1 应用背景 | 第60-62页 |
| 6.2 凸轮轴制造过程质量管控模型训练 | 第62-64页 |
| 6.2.1 制造过程质量模式识别训练 | 第62-63页 |
| 6.2.2 制造过程质量预测训练 | 第63-64页 |
| 6.3 制造过程质量管控实验 | 第64-67页 |
| 6.4 本章小结 | 第67-68页 |
| 结论与展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间发表学术论文情况 | 第75-76页 |
| 致谢 | 第76-78页 |