注塑制品缺陷的智能化诊断技术与方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·课题的研究意义和应用价值 | 第8-9页 |
| ·国内外注塑制品缺陷分析诊断技术研究概况 | 第9-11页 |
| ·注塑制品缺陷分析诊断技术的发展趋势 | 第11-12页 |
| ·课题的主要研究内容 | 第12-13页 |
| 2 注塑制品常见缺陷形式、产生原因及解决方案总结 | 第13-26页 |
| ·注塑制品常见缺陷及分类 | 第13-17页 |
| ·缺陷产生原因的优先级划分 | 第17-25页 |
| ·一级优先原因与解决对策 | 第19-20页 |
| ·二级优先原因与解决对策 | 第20-23页 |
| ·三级优先原因与解决对策 | 第23-25页 |
| ·缺陷原因和解决方案与诊断系统的联系 | 第25-26页 |
| 3 注塑制品缺陷智能化分析诊断的关键技术 | 第26-35页 |
| ·专家系统基本理论 | 第26-28页 |
| ·专家系统的结构 | 第26页 |
| ·专家系统的基本知识 | 第26-28页 |
| ·专家系统的工作原理 | 第28页 |
| ·神经网络的基本理论 | 第28-32页 |
| ·人工神经网络技术及其特点 | 第28-29页 |
| ·BP学习算法原理 | 第29-32页 |
| ·模糊逻辑基本理论 | 第32-34页 |
| ·模糊逻辑的发展简介 | 第32页 |
| ·模糊关系方程 | 第32-33页 |
| ·隶属函数 | 第33-34页 |
| ·梯度优化算法基本理论 | 第34-35页 |
| ·梯度法简介 | 第34页 |
| ·梯度法优化原理 | 第34-35页 |
| 4 缺陷诊断模型的创建 | 第35-45页 |
| ·模糊逻辑与神经网络的结合 | 第35-38页 |
| ·模糊逻辑与神经网络结合的必要性 | 第35页 |
| ·模糊神经网络模型 | 第35-38页 |
| ·梯度优化算法对BP神经网络的优化 | 第38-41页 |
| ·BP算法存在的问题 | 第38-39页 |
| ·梯度优化算法优化神经网络的方法 | 第39-41页 |
| ·混合算法与BP算法、梯度优化法结果对比 | 第41页 |
| ·神经网络与专家系统的结合 | 第41-43页 |
| ·神经网络与专家系统结合的形式 | 第41-42页 |
| ·神经网络与专家系统的职能 | 第42-43页 |
| ·优化模糊神经网络与专家系统集成的诊断系统模型 | 第43-45页 |
| 5 注塑制品缺陷智能化诊断系统的实现 | 第45-61页 |
| ·神经网络学习系统的建立 | 第45-49页 |
| ·BP网络的结构设计 | 第45-47页 |
| ·BP网络的结构参数的选取与确定 | 第47-49页 |
| ·知识库的组建 | 第49-55页 |
| ·模糊神经网络推理模块知识库的建立 | 第49-51页 |
| ·规则推理模块知识库的建立 | 第51-55页 |
| ·推理机制的建立 | 第55-57页 |
| ·注塑件缺陷诊断系统的软件开发 | 第57-61页 |
| ·开发工具的选择 | 第57-58页 |
| ·系统软件开发与集成 | 第58-61页 |
| 6 系统应用及实例 | 第61-72页 |
| ·神经网络功能操作模块 | 第61-62页 |
| ·知识库管理模块 | 第62-63页 |
| ·塑件缺陷智能诊断模块 | 第63页 |
| ·制品缺陷诊断应用实例 | 第63-72页 |
| ·诊断实例1 | 第63-67页 |
| ·诊断实例2 | 第67-72页 |
| 结论 | 第72-76页 |
| 攻读硕士学位期间发表学术论文情况 | 第76-77页 |
| 致谢 | 第77-78页 |
| 大连理工大学学位论文版权使用授权书 | 第78页 |
