| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 质量控制 | 第12-13页 |
| 1.2.2 统计过程控制 | 第13-15页 |
| 1.2.3 基于机器学习的过程质量控制研究及发展现状 | 第15-17页 |
| 1.3 论文主要内容 | 第17-18页 |
| 1.4 组织结构及技术路线 | 第18-20页 |
| 1.4.1 组织结构 | 第18页 |
| 1.4.2 技术路线 | 第18-20页 |
| 第二章 关键理论及方法 | 第20-34页 |
| 2.1 统计过程控制与诊断 | 第20页 |
| 2.1.1 统计过程控制与诊断概述 | 第20页 |
| 2.1.2 统计过程控制与诊断的理论基础 | 第20页 |
| 2.2 自相关过程 | 第20-22页 |
| 2.2.1 自回归模型 | 第21页 |
| 2.2.2 滑动平均模型 | 第21-22页 |
| 2.2.3 自回归滑动平均模型 | 第22页 |
| 2.3 控制图模式识别 | 第22-25页 |
| 2.3.1 控制图的基本原理 | 第22-23页 |
| 2.3.2 控制图模式分类 | 第23-25页 |
| 2.4 神经网络与神经网络集成 | 第25-29页 |
| 2.4.1 神经网络的原理 | 第25页 |
| 2.4.2 神经网络的泛化能力 | 第25-26页 |
| 2.4.3 神经网络集成的基本理论 | 第26-27页 |
| 2.4.4 Bagging算法和Boosting算法 | 第27-29页 |
| 2.5 分类决策树 | 第29-32页 |
| 2.5.1 分类决策树模型 | 第29-30页 |
| 2.5.2 决策树与if-then规则 | 第30页 |
| 2.5.3 决策树与条件概率分布 | 第30页 |
| 2.5.4 决策树学习 | 第30-31页 |
| 2.5.5 特征选择 | 第31-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第三章 基于概率神经网络集成的控制图模式分类方法研究 | 第34-50页 |
| 3.1 概率神经网络 | 第34-37页 |
| 3.1.1 概率神经网络模型 | 第34-35页 |
| 3.1.2 Bayes分类 | 第35-36页 |
| 3.1.3 Parzen窗方法 | 第36页 |
| 3.1.4 PNN网络的算法特性 | 第36-37页 |
| 3.2 概率神经网络构建神经网络集成 | 第37-41页 |
| 3.2.1 个体神经网络生成 | 第37-38页 |
| 3.2.2 PNN的特性分析及结构优化 | 第38-39页 |
| 3.2.3 选择性神经网络集成 | 第39-40页 |
| 3.2.4 神经网络集成的输出 | 第40-41页 |
| 3.3 利用PSO实现概率神经网络选择性集成 | 第41-48页 |
| 3.3.1 标准粒子群(PSO)算法 | 第41-43页 |
| 3.3.2 离散二进制PSO算法 | 第43-44页 |
| 3.3.3 基于改进BPSO的概率神经网络集成算法模型 | 第44-47页 |
| 3.3.4 模型结构与流程 | 第47-48页 |
| 3.4 本章小结 | 第48-50页 |
| 第四章 基于概率神经网络集成的工序质量控制模型 | 第50-66页 |
| 4.1 模型 | 第50-52页 |
| 4.1.1 总体模型的构建 | 第50-51页 |
| 4.1.2 决策树模型 | 第51-52页 |
| 4.2 训练与测试数据集创建 | 第52-53页 |
| 4.3 控制图模式特征提取 | 第53-56页 |
| 4.3.1 统计特征提取 | 第53-54页 |
| 4.3.2 形状特征提取 | 第54-56页 |
| 4.3.3 特征融合 | 第56页 |
| 4.4 实验过程及结果 | 第56-64页 |
| 4.4.1 概率神经网络参数的优化结果 | 第56-57页 |
| 4.4.2 应用仿真数据的实验结果 | 第57-60页 |
| 4.4.3 与单个PNN网络对比识别精度 | 第60-61页 |
| 4.4.4 与BP神经网络对比识别精度 | 第61-62页 |
| 4.4.5 应用模拟数据流的实验结果 | 第62-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第五章 应用原型系统设计与实现 | 第66-86页 |
| 5.1 系统需求分析 | 第66-68页 |
| 5.1.1 装配实训车间概况 | 第66-67页 |
| 5.1.2 减速器传动齿轮啮合间隙测量原理 | 第67-68页 |
| 5.2 系统设计 | 第68-72页 |
| 5.2.1 系统软硬件结构设计 | 第68-69页 |
| 5.2.2 系统功能结构设计 | 第69-70页 |
| 5.2.3 数据库设计 | 第70-72页 |
| 5.3 系统开发环境 | 第72页 |
| 5.4 系统实现的关键技术 | 第72-81页 |
| 5.4.1 数据库操作的实现 | 第72-74页 |
| 5.4.2 串口通信的实现 | 第74-76页 |
| 5.4.3 Matlab神经网络及决策树工具箱应用 | 第76-78页 |
| 5.4.4 Matlab与C | 第78-79页 |
| 5.4.5 C | 第79-81页 |
| 5.5 系统运行情况 | 第81-85页 |
| 5.5.1 系统登录 | 第81-82页 |
| 5.5.2 系统参数设置 | 第82-83页 |
| 5.5.3 分析用控制图 | 第83-84页 |
| 5.5.4 控制用控制图 | 第84-85页 |
| 5.6 本章小结 | 第85-86页 |
| 第六章 结论与展望 | 第86-88页 |
| 6.1 结论 | 第86页 |
| 6.2 展望 | 第86-88页 |
| 致谢 | 第88-90页 |
| 参考文献 | 第90-96页 |
| 附录A 攻读硕士期间的科研成果 | 第96-98页 |
| 附录B 控制图8种基本模式生成代码 | 第98-106页 |
