| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 1 绪论 | 第13-26页 |
| ·研究的背景和意义 | 第13-14页 |
| ·质量诊断 | 第14-18页 |
| ·质量诊断的内容 | 第14-15页 |
| ·质量诊断的特征 | 第15-16页 |
| ·质量诊断的技术方法 | 第16-18页 |
| ·质量诊断技术的发展及国内外研究现状 | 第18-24页 |
| ·质量诊断技术的发展阶段 | 第18-19页 |
| ·质量诊断技术的国内外研究现状 | 第19-24页 |
| ·论文的研究内容、结构和技术路线 | 第24-26页 |
| ·论文的内容和结构 | 第24-25页 |
| ·论文的技术路线 | 第25-26页 |
| 2 基于PNN的制造过程质量诊断 | 第26-48页 |
| ·过程异常与控制图的使用 | 第26-31页 |
| ·两类过程波动理论与传统控制图 | 第26-27页 |
| ·两个阶段的控制图及其使用 | 第27-31页 |
| ·控制图的模式识别问题 | 第31-34页 |
| ·控制图模式现象 | 第31-32页 |
| ·描述控制图模式的Monte-Carlo方法 | 第32-34页 |
| ·人工神经网络与控制图模式识别 | 第34-39页 |
| ·诊断制造过程的神经网络方法 | 第34-36页 |
| ·概率神经网络原理 | 第36-39页 |
| ·基于PNN控制图模式识别的过程异常诊断 | 第39-47页 |
| ·PNN控制图模式识别的仿真实验 | 第40-43页 |
| ·PNN控制图模式识别的性能评估 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 3 基于LS-SVM的小样本过程质量诊断 | 第48-65页 |
| ·制造过程的小样本质量诊断问题 | 第48-49页 |
| ·支持向量机技术与小样本过程诊断 | 第49-52页 |
| ·统计学习理论与支持向量机 | 第49-50页 |
| ·最小二乘支持向量机 | 第50-52页 |
| ·基于LS-SVM控制图模式识别的过程异常诊断 | 第52-56页 |
| ·多分类LS-SVM模式识别器的构建 | 第53-54页 |
| ·LS-SVM的控制图模式识别的仿真实验 | 第54-56页 |
| ·基于智能算法和LS-SVM的过程异常诊断 | 第56-64页 |
| ·支持向量机的参数选择问题与群智能算法 | 第57-58页 |
| ·基于遗传算法和LS-SVM的过程诊断仿真实验 | 第58-61页 |
| ·基于粒子群算法和LS-SVM的过程诊断仿真实验 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 4 基于Cuscore统计量的过程质量智能诊断 | 第65-83页 |
| ·Cuscore统计量与过程异常诊断问题 | 第65-69页 |
| ·Cuscore统计量 | 第66-67页 |
| ·过程模型 | 第67-69页 |
| ·Cuscore统计量对于非线性预期异常信号的诊断性能 | 第69-72页 |
| ·非线性二次预期信号及其Cuscore图的绘制 | 第69-70页 |
| ·识别率及识别速度 | 第70-72页 |
| ·解决Cuscore图失配问题的智能变点模型 | 第72-81页 |
| ·Cuscore图的失配问题 | 第72页 |
| ·触发Cuscore图的智能模型 | 第72-73页 |
| ·变点检测的移动窗口法 | 第73-76页 |
| ·模型性能评估 | 第76-80页 |
| ·仿真算例 | 第80-81页 |
| ·本章小结 | 第81-83页 |
| 5 多元过程质量智能诊断与异常变量识别 | 第83-103页 |
| ·多元过程质量诊断问题 | 第83-84页 |
| ·多元统计过程控制图 | 第84-88页 |
| ·多元均值控制图 | 第84-86页 |
| ·多元方差控制图 | 第86-88页 |
| ·多元过程均值异常诊断与变量识别的智能诊断模型 | 第88-95页 |
| ·多元过程均值矢量异常的智能诊断模型 | 第88-89页 |
| ·二元过程均值矢量模式识别器的训练 | 第89-90页 |
| ·模型在二元过程中的应用及性能评估 | 第90-95页 |
| ·多元过程散度异常诊断与变量辨识的智能模型 | 第95-102页 |
| ·多元过程协方差矩阵异常的智能诊断模型 | 第96页 |
| ·二元过程协方差矩阵模式的定义 | 第96-98页 |
| ·二元过程方差异常智能诊断模型的仿真研究 | 第98-102页 |
| ·本章小结 | 第102-103页 |
| 6 总结与展望 | 第103-107页 |
| ·主要工作 | 第103-104页 |
| ·主要创新点 | 第104-105页 |
| ·研究展望 | 第105-107页 |
| 致谢 | 第107-108页 |
| 参考文献 | 第108-121页 |
| 附录 | 第121-122页 |