致谢 | 第4-5页 |
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-22页 |
1.1 引言 | 第11-12页 |
1.2 国内外研究现状 | 第12-19页 |
1.2.1 复杂产品数字化装调技术研究现状 | 第12-13页 |
1.2.2 特征选择方法研究现状 | 第13-17页 |
1.2.3 数据离群检测研究现状 | 第17-19页 |
1.3 研究内容和组织框架 | 第19-21页 |
1.4 本章小结 | 第21-22页 |
第2章 基于统计分类的装配性能敏感参数提取方法 | 第22-38页 |
2.1 引言 | 第22-23页 |
2.2 装配数据多元核密度估计及其可视化 | 第23-27页 |
2.2.1 核概率密度估计模型构建 | 第23-26页 |
2.2.2 装配性能数据概率密度分析及可视化 | 第26-27页 |
2.3 基于均值转移的装配性能数据鲁棒性分类方法 | 第27-31页 |
2.3.1 均值转移聚类算法缺点分析 | 第28-29页 |
2.3.2 装配性能数据鲁棒性分类方法 | 第29-31页 |
2.4 基于稀疏学习的特征选择方法 | 第31-34页 |
2.4.1 带权重的L(2,1)范数稀疏学习特征选择原理分析 | 第31-33页 |
2.4.2 基于稀疏学习的特征选择方法设计 | 第33-34页 |
2.5 装配性能敏感参数提取方法及其实验分析 | 第34-37页 |
2.6 本章小结 | 第37-38页 |
第3章 基于单分类的装配过程离群参数提取方法 | 第38-50页 |
3.1 引言 | 第38-39页 |
3.2 基于双边界单分类支持向量机的装配过程数据分类方法 | 第39-43页 |
3.2.1 支持向量数据描述模型分析 | 第39-41页 |
3.2.2 基于双边界OCSVM的离群数据分类方法 | 第41-43页 |
3.3 基于双边界OCSVM和Boosting算法的离群特征选择方法 | 第43-46页 |
3.3.1 基于双边界OCSVM和Boosting算法的离群特征选择框架 | 第43-44页 |
3.3.2 离群特征选择框架理论合理性分析 | 第44-46页 |
3.4 实验分析与验证 | 第46-49页 |
3.4.1 实验素材描述 | 第46-47页 |
3.4.2 实验方法及评价标准 | 第47-48页 |
3.4.3 实验结果 | 第48-49页 |
3.5 本章小结 | 第49-50页 |
第4章 基于离群数据修正的复杂产品装调引导方法 | 第50-66页 |
4.1 引言 | 第50-51页 |
4.2 基于关键装配参数的复杂产品离群数据检测方法 | 第51-54页 |
4.2.1 复杂产品装配离群检测数据前处理 | 第51-53页 |
4.2.2 基于关键参数的复杂产品装配离群检测模型构建流程 | 第53-54页 |
4.3 基于OCSVM离群数据修正的复杂产品装调引导方法 | 第54-62页 |
4.3.1 One-Class SVM决策函数梯度分析 | 第55-60页 |
4.3.2 基于OCSVM的离群数据修正方法实现 | 第60-61页 |
4.3.3 复杂产品装调引导方法设计 | 第61-62页 |
4.4 实验分析 | 第62-64页 |
4.4.1 离群数据检测实验 | 第62-63页 |
4.4.2 离群数据修正实验 | 第63-64页 |
4.5 本章小结 | 第64-66页 |
第5章 复杂产品数字化装调引导系统开发及应用 | 第66-82页 |
5.1 引言 | 第66页 |
5.2 复杂产品数字化装调引导系统总体设计 | 第66-70页 |
5.2.1 复杂产品数字化装调引导系统总体架构设计 | 第67-68页 |
5.2.2 复杂产品数字化装调引导系统功能模块设计 | 第68-70页 |
5.3 复杂产品数字化装调引导系统核心功能模块实现 | 第70-77页 |
5.3.1 复杂产品装配数据管理模块实现 | 第70-73页 |
5.3.2 关键装配参数提取模块实现 | 第73-76页 |
5.3.3 离群数据处理模块实现 | 第76-77页 |
5.4 复杂产品数字化装调引导系统在位标器装配中的应用 | 第77-81页 |
5.5 本章小结 | 第81-82页 |
第6章 总结与展望 | 第82-84页 |
6.1 全文总结 | 第82-83页 |
6.2 工作展望 | 第83-84页 |
参考文献 | 第84-91页 |
作者简介 | 第91页 |