摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第11-22页 |
1.1 课题研究背景及课题来源 | 第11-12页 |
1.1.1 研究背景 | 第11-12页 |
1.1.2 课题来源 | 第12页 |
1.2 白车身制造尺寸检测技术综述 | 第12-19页 |
1.2.1 离线采样测量 | 第13-17页 |
1.2.2 100%在线测量 | 第17-19页 |
1.3 本文研究内容及结构安排 | 第19-21页 |
1.3.1 研究内容 | 第19-20页 |
1.3.2 本文结构安排 | 第20-21页 |
1.4 本章小结 | 第21-22页 |
第二章 轿车白车身测点系统质量控制研究综述 | 第22-37页 |
2.1 引言 | 第22页 |
2.2 车身测点的分类 | 第22-23页 |
2.3 车身测点测量数据偏差来源 | 第23-25页 |
2.3.1 车身制造零件偏差 | 第24-25页 |
2.3.2 测量系统偏差 | 第25页 |
2.4 测点测量数据处理方法 | 第25-31页 |
2.4.1 平均值(AV) | 第25页 |
2.4.2 工序能力指数(CP/CPK) | 第25-28页 |
2.4.3 机器能力指数(CM/CMK) | 第28-29页 |
2.4.4 6sigma | 第29-31页 |
2.5 目前车身测点的布置方法及存在问题 | 第31-36页 |
2.5.1 车身统一基准系统的设计 | 第31-33页 |
2.5.2 功能尺寸 | 第33-36页 |
2.6 小结 | 第36-37页 |
第三章 基于粒子群算法的车身测点布置优化 | 第37-52页 |
3.1 引言 | 第37页 |
3.2 车身测点布置优化适应度函数 | 第37-41页 |
3.2.1 有限元方法 | 第38-39页 |
3.2.2 运动几何分析法 | 第39-41页 |
3.3 各启发式优化算法的比较 | 第41-46页 |
3.3.1 遗传算法 | 第41-42页 |
3.3.2 蚂蚁算法 | 第42-44页 |
3.3.3 粒子群算法 | 第44-45页 |
3.3.4 算法比较 | 第45-46页 |
3.4 选择粒子群算法进行车身测点布置优化 | 第46-47页 |
3.4.1 车身测点布置优化问题的粒子群算法 | 第46-47页 |
3.4.2 算法实现过程 | 第47页 |
3.5 实例应用 | 第47-51页 |
3.6 小结 | 第51-52页 |
第四章 基于时间序列的车身制造尺寸质量状态分析与预测 | 第52-68页 |
4.1 引言 | 第52页 |
4.2 车身制造尺寸的质量状态表达综述 | 第52-54页 |
4.3 车身制造尺寸质量状态分析与预测的难点 | 第54页 |
4.4 国内外研究现状 | 第54-62页 |
4.4.1 定性分析法 | 第55-56页 |
4.4.2 定量分析法 | 第56-62页 |
4.5 灰色模型预测法在车身制造尺寸质量状态预测问题中的应用 | 第62-67页 |
4.6 小结 | 第67-68页 |
第五章 白车身三坐标测量数据分析系统的软件实现 | 第68-82页 |
5.1 引言 | 第68页 |
5.2 白车身三坐标测量数据分析系统开发软件平台介绍 | 第68-70页 |
5.3 白车身三坐标测量数据分析系统主要功能介绍 | 第70-81页 |
5.3.1 InfoMESS 数据分析系统 | 第70-75页 |
5.3.2 Teppich 数据分析系统 | 第75-81页 |
5.4 小结 | 第81-82页 |
第六章 结论与展望 | 第82-84页 |
参考文献 | 第84-86页 |
致谢 | 第86-87页 |
攻读学位期间录用、发表和投稿的学术论文目录 | 第87页 |