| 1 绪论 | 第1-11页 |
| ·课题的研究意义和应用价值 | 第7-8页 |
| ·国内外注塑制品缺陷分析诊断技术研究概况 | 第8-10页 |
| ·注塑制品缺陷分析诊断技术的发展趋势 | 第10页 |
| ·课题的主要研究内容 | 第10-11页 |
| 2 系统关键支撑技术 | 第11-18页 |
| ·专家系统技术、人工神经网络技术以及模糊理论概念及特点 | 第11-14页 |
| ·专家系统技术及特点 | 第11页 |
| ·人工神经网络技术及其特点 | 第11-12页 |
| ·模糊技术与理论 | 第12-14页 |
| ·模糊变量基本定义 | 第12-13页 |
| ·模糊知识的表示 | 第13-14页 |
| ·模糊推理策略 | 第14页 |
| ·模糊逻辑与神经网络的结合 | 第14-15页 |
| ·专家系统与神经网络的结合 | 第15-18页 |
| ·专家系统与神经网络的互补 | 第15-16页 |
| ·专家系统技术与神经网络技术的结合方法 | 第16-18页 |
| 3 系统开发语言 | 第18-20页 |
| ·系统对开发语言的要求 | 第18页 |
| ·Delphi的主要特点 | 第18-20页 |
| 4 基于模糊神经网络的注塑制品缺陷分析诊断专家系统研究 | 第20-49页 |
| ·引言 | 第20页 |
| ·系统总体结构设计方案 | 第20-22页 |
| ·系统知识库与推理机 | 第22-44页 |
| ·注塑制品常见缺陷征兆、产生原因及解决方案归纳总结 | 第23-29页 |
| ·模糊神经网络模型及知识库 | 第29-39页 |
| ·模糊神经网络模型 | 第29-30页 |
| ·BP学习算法原理 | 第30-34页 |
| ·标准BP算法的改进 | 第34-35页 |
| ·BP学习算法描述 | 第35页 |
| ·BP学习算法的编程实现 | 第35-36页 |
| ·BP网络结构参数选取与确定 | 第36-37页 |
| ·模糊神经网络推理模块知识库的建立 | 第37-39页 |
| ·规则推理模块知识库的建立 | 第39-42页 |
| ·系统推理机的设计 | 第42-44页 |
| ·知识数据库管理模块设计 | 第44-48页 |
| ·系统知识库数据结构表设计 | 第45页 |
| ·系统应用的ADO数据库访问技术 | 第45-47页 |
| ·建立系统应用程序到SQLServer2000数据库连接的ADO编程 | 第46页 |
| ·利用ADO数据库访问技术实现对数据库的更新操作 | 第46-47页 |
| ·数据库管理模块软件设计 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 5 系统应用及实例 | 第49-64页 |
| ·神经网络功能操作模块 | 第49-53页 |
| ·样本库维护功能 | 第50-51页 |
| ·系统初始化功能 | 第51页 |
| ·系统学习功能 | 第51-53页 |
| ·知识库管理模块 | 第53-54页 |
| ·缺陷分析诊断模块 | 第54-64页 |
| ·多故障诊断应用实例 | 第55-61页 |
| ·单故障诊断应用实例 | 第61-64页 |
| 6 结论与展望 | 第64-67页 |
| ·本课题的工作总结 | 第64-65页 |
| ·今后的工作展望 | 第65-67页 |
| 参考文献 | 第67-69页 |
| 附录 | 第69-83页 |
| 致谢 | 第83-85页 |
