基于多点检测与数据融合的轴瓦质量分析方法
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 目次 | 第9-12页 |
| 图清单 | 第12-13页 |
| 表清单 | 第13-14页 |
| 1 绪论 | 第14-28页 |
| ·研究背景与意义 | 第14-15页 |
| ·产品质量管理概述 | 第15-19页 |
| ·产品质量检测方法及其研究现状 | 第16页 |
| ·产品质量分析方法及其研究现状 | 第16-19页 |
| ·数据融合概述 | 第19-23页 |
| ·数据融合概念 | 第19-20页 |
| ·数据融合的应用 | 第20页 |
| ·数据融合的特点 | 第20-21页 |
| ·主要数据融合方法 | 第21-23页 |
| ·轴瓦测量技术的发展 | 第23-25页 |
| ·轴瓦厚度测量技术的发展 | 第24-25页 |
| ·轴瓦高出度测量技术的发展 | 第25页 |
| ·论文主要研究内容及其框架结构 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 2 基于多点检测与数据融合的轴瓦质量分析方法体系 | 第28-42页 |
| ·轴瓦产品的质量特征指标 | 第28-30页 |
| ·轴瓦厚度 | 第28-29页 |
| ·轴瓦高出度 | 第29-30页 |
| ·数据融合的基本原理和方法 | 第30-37页 |
| ·数据融合的原理 | 第30-31页 |
| ·数据融合处理结构 | 第31-33页 |
| ·数据融合层次描述 | 第33-35页 |
| ·数据融合的算法 | 第35-37页 |
| ·轴瓦质量检测与分析的基本原理及其技术体系 | 第37-41页 |
| ·轴瓦厚度的多点检测 | 第37-38页 |
| ·轴瓦高出度检测 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 3 基于 CMM 的轴瓦质量特征数据检测方法 | 第42-52页 |
| ·三坐标测量仪（CMM） | 第42-44页 |
| ·CMM 组成及结构 | 第42-43页 |
| ·CMM 测量原理 | 第43页 |
| ·CMM 的误差源 | 第43-44页 |
| ·轴瓦厚度的测量方法 | 第44-47页 |
| ·轴瓦厚度的测量方案 | 第44-46页 |
| ·轴瓦厚度的测量流程 | 第46-47页 |
| ·轴瓦半径高出度的测量方法 | 第47-49页 |
| ·轴瓦半径高出度的测量方案 | 第47-48页 |
| ·轴瓦半径高出度的测量流程 | 第48-49页 |
| ·轴瓦厚度与半径高出度误差分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 4 基于小波神经网络与 BP 算法的数据融合方法 | 第52-74页 |
| ·人工神经网络及其分类 | 第52-57页 |
| ·基于神经元传递函数的分类 | 第52-53页 |
| ·基于神经网络结构的分类 | 第53-54页 |
| ·基于学习规则的分类 | 第54-57页 |
| ·BP 神经网络结构及其算法 | 第57-62页 |
| ·基于小波神经网络与 BP 算法的数据融合方法 | 第62-65页 |
| ·小波神经网络理论 | 第62-63页 |
| ·基于小波神经网络的多源数据融合结构模型 | 第63-64页 |
| ·基于小波网络与 BP 算法的融合方法 | 第64-65页 |
| ·小波神经网络的训练 | 第65页 |
| ·轴瓦产品质量数据测量与融合应用 | 第65-73页 |
| ·轴瓦产品质量数据测量方案及其数据 | 第65-69页 |
| ·轴瓦产品质量数据融合结果及其仿真分析 | 第69-73页 |
| ·本章小结 | 第73-74页 |
| 5 轴瓦产品质量分级应用 | 第74-80页 |
| ·轴瓦厚度的质量分级 | 第74-75页 |
| ·轴瓦高出度的质量分级 | 第75-76页 |
| ·轴瓦质量的控制图分析 | 第76-79页 |
| ·本章小结 | 第79-80页 |
| 6 总结与展望 | 第80-82页 |
| ·总结 | 第80-81页 |
| ·展望 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 作者简历 | 第85页 |
