| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景 | 第15-17页 |
| 1.1.1 引言 | 第15页 |
| 1.1.2 国内外再制造产业发展综述 | 第15-16页 |
| 1.1.3 国内外过程质量控制发展综述 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.2.1 再制造质量控制国内外研究现状 | 第17页 |
| 1.2.2 过程质量控制国内外研究现状 | 第17-20页 |
| 1.3 研究目的及意义 | 第20-21页 |
| 1.4 研究内容 | 第21-23页 |
| 第二章 基于贝叶斯估计的在线质量监测与诊断方法研究 | 第23-31页 |
| 2.1 再制造复杂机械产品装配过程质量控制特点 | 第23-24页 |
| 2.2 贝叶斯方法相关理论 | 第24-27页 |
| 2.2.1 频率方法在再制造装配过程质量控制的局限性 | 第24-26页 |
| 2.2.2 贝叶斯统计的本质 | 第26-27页 |
| 2.2.3 先验分布理论 | 第27页 |
| 2.2.4 后验分布理论 | 第27页 |
| 2.3 基于贝叶斯估计的在线质量监测与诊断模型 | 第27-29页 |
| 2.4 基于贝叶斯估计的控制图应用分析 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 再制造装配过程质量异常在线识别 | 第31-39页 |
| 3.1 过程波动理论与控制图应用 | 第31-32页 |
| 3.1.1 两类过程波动理论 | 第31页 |
| 3.1.2 控制图应用流程 | 第31-32页 |
| 3.2 控制图异常模式逐点识别 | 第32-36页 |
| 3.2.1 控制图常见异常模式 | 第32-34页 |
| 3.2.2 控制图异常模式逐点识别 | 第34-35页 |
| 3.2.3 过程能力判定 | 第35-36页 |
| 3.3 基于MC方法和BP神经网络模型的控制图异常识别方法 | 第36-38页 |
| 3.3.1 控制图异常模式的数学模型 | 第36-37页 |
| 3.3.2 MC方法仿真数据预处理 | 第37页 |
| 3.3.3 控制图BP网络模型与算法 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于模糊异常诊断Petri网的质量异常诊断 | 第39-47页 |
| 4.1 异常源分析与质量诊断理论 | 第39-40页 |
| 4.1.1 质量异常源分析 | 第39-40页 |
| 4.1.2 质量异常诊断理论 | 第40页 |
| 4.2 基于模糊Petri网质量异常诊断原理 | 第40-44页 |
| 4.2.1 FDPNs模型 | 第41页 |
| 4.2.2 模糊产生式规则表示 | 第41-43页 |
| 4.2.3 基于FDPNs质量异常诊断方法 | 第43-44页 |
| 4.3 应用实例分析 | 第44-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 面向再制造复杂机械产品装配过程在线质量监测与诊断系统 | 第47-62页 |
| 5.1 系统设计 | 第47-51页 |
| 5.1.1 系统需求分析 | 第47-48页 |
| 5.1.2 系统体系结构 | 第48-49页 |
| 5.1.3 系统硬件拓扑结构 | 第49-51页 |
| 5.1.4 系统关键质量工序逻辑流程 | 第51页 |
| 5.2 系统功能设计 | 第51-52页 |
| 5.3 系统关键技术 | 第52-55页 |
| 5.3.1 基于RFID技术的在制品追踪技术 | 第52-53页 |
| 5.3.2 基于机器视觉的信息感知技术 | 第53-54页 |
| 5.3.3 基于OPC的数据集成技术 | 第54-55页 |
| 5.4 原型系统开发与应用 | 第55-61页 |
| 5.4.1 质量点管理模块 | 第55-57页 |
| 5.4.2 在线质量分析模块 | 第57-58页 |
| 5.4.3 在线质量诊断模块 | 第58-59页 |
| 5.4.4 在线质量优化模块 | 第59-60页 |
| 5.4.5 质量谱系追溯模块 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 全文总结 | 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情况 | 第68页 |
