摘要 | 第5-7页 |
Abstract | 第7-9页 |
第一章 绪论 | 第12-18页 |
1.1 课题的背景与意义 | 第12-13页 |
1.2 纺织质量预测与控制关键理论技术及研究现状 | 第13-15页 |
1.2.1 纺织质量预测技术 | 第13-14页 |
1.2.2 统计过程控制技术 | 第14-15页 |
1.2.3 纺织质量预测与控制技术现存主要问题 | 第15页 |
1.3 研究目标、内容及论文章节安排 | 第15-18页 |
1.3.1 课题目标 | 第15-16页 |
1.3.2 研究内容 | 第16-17页 |
1.3.3 论文章节安排 | 第17-18页 |
第二章 基于遗传神经网络的纱线质量智能预测 | 第18-34页 |
2.1 纺织品质量预测中的智能计算技术 | 第18-24页 |
2.1.1 人工神经网络的应用 | 第18-20页 |
2.1.2 支持向量机的应用 | 第20-22页 |
2.1.3 混合智能算法的应用 | 第22-24页 |
2.2 基于遗传神经网络的纱线质量预测模型 | 第24-28页 |
2.2.1 遗传神经网络算法设计 | 第24-25页 |
2.2.2 BP神经网络模型 | 第25-26页 |
2.2.3 GA个体编码与算子设计 | 第26-27页 |
2.2.4 预测模型的数据处理与性能评价 | 第27-28页 |
2.3 细纱CV值预测模型试验及分析 | 第28-33页 |
2.3.1 生产数据的准备 | 第28-31页 |
2.3.2 预测模型参数的确定 | 第31页 |
2.3.3 预测模型优化过程 | 第31页 |
2.3.4 预测模型试验结果分析 | 第31-33页 |
2.3.5 基于预测模型的工艺参数优化 | 第33页 |
2.4 本章小结 | 第33-34页 |
第三章 基于KBANN的纱线质量智能预测 | 第34-50页 |
3.1 基于混合智能模型的产品质量预测 | 第34-35页 |
3.2 基于RS的规则抽取方法 | 第35-41页 |
3.2.1 数据离散 | 第37-38页 |
3.2.2 决策表属性约简 | 第38-39页 |
3.2.3 决策规则约简 | 第39-41页 |
3.3 基于KBANN的智能预测模型 | 第41-42页 |
3.4 基于混合智能学习模型的纱线质量预测 | 第42-49页 |
3.4.1 基于粗糙集的纺纱工艺决策规则提取(RSrule) | 第42-47页 |
3.4.2 基于KBANN质量预测模型 | 第47-49页 |
3.5 本章小结 | 第49-50页 |
第四章 基于SVC的纱线生产过程控制图的模式识别 | 第50-71页 |
4.1 纺纱生产过程异常与控制图的使用 | 第50-51页 |
4.2 基于NRS的控制图特征提取方法 | 第51-56页 |
4.2.1 控制图基本模式及其描述 | 第51-52页 |
4.2.2 控制图的统计特征描述 | 第52-53页 |
4.2.3 基于邻域粗糙集的控制图特征提取 | 第53-56页 |
4.3 基于SVC的生产控制图模式识别方法 | 第56-61页 |
4.3.1 基于SVC的模式识别原理 | 第56-58页 |
4.3.2 基于GA的SVC参数的优化方法 | 第58-60页 |
4.3.3 控制图模式识别模型的基本框架 | 第60-61页 |
4.4 纱线生产控制图模式识别试验 | 第61-70页 |
4.4.1 仿真实验 | 第61-67页 |
4.4.2 实验结果分析 | 第67-68页 |
4.4.3 纱线生产控制图模式识别实例 | 第68-70页 |
4.5 本章小结 | 第70-71页 |
第五章 总结与展望 | 第71-73页 |
5.1 研究成果 | 第71页 |
5.2 研究工作展望 | 第71-73页 |
参考文献 | 第73-76页 |
攻读硕士学位期间发表论文 | 第76-77页 |
致谢 | 第77页 |