基于人工智能的质量过程控制研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题背景及研究的意义 | 第8-9页 |
| ·课题背景 | 第8-9页 |
| ·研究意义 | 第9页 |
| ·相关领域及其研究现状 | 第9-12页 |
| ·质量信息系统 | 第9-10页 |
| ·质量控制方法 | 第10-12页 |
| ·论文主要工作及章节安排 | 第12-13页 |
| ·论文主要工作介绍 | 第12页 |
| ·论文章节安排 | 第12-13页 |
| 第二章 质量信息集成和质量控制系统研究 | 第13-28页 |
| ·概述 | 第13页 |
| ·基于XML 的质量信息集成研究 | 第13-23页 |
| ·XML 及其数据转换机制概述 | 第13-15页 |
| ·质量信息及其集成性分析 | 第15-17页 |
| ·质量信息系统的信息流框架 | 第17-20页 |
| ·质量信息系统的功能框架 | 第20-22页 |
| ·质量信息系统的技术框架 | 第22-23页 |
| ·基于制造执行系统的质量控制系统 | 第23-27页 |
| ·制造执行系统概述 | 第23-25页 |
| ·基于制造执行系统的质量控制系统 | 第25-27页 |
| ·在线质量控制系统体系结构 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于神经网络的质量过程控制模式识别研究 | 第28-42页 |
| ·概述 | 第28页 |
| ·人工神经网络基础 | 第28-29页 |
| ·质量过程控制模式定义 | 第29-31页 |
| ·基于神经网络的质量过程诊断分析系统模型 | 第31-33页 |
| ·网络选择和系统模型设计 | 第31-33页 |
| ·过程数据的移动窗采样技术 | 第33页 |
| ·基于BP 网络的质量过程控制模式识别 | 第33-36页 |
| ·网络设计和参数选择 | 第33-34页 |
| ·网络训练 | 第34-36页 |
| ·仿真检验 | 第36页 |
| ·基于BP 网络的质量过程异常模式的参数估计 | 第36-41页 |
| ·网络设计和参数选择 | 第36-37页 |
| ·网络训练 | 第37-38页 |
| ·仿真检验 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于粗糙集理论的质量过程诊断技术研究 | 第42-50页 |
| ·概述 | 第42页 |
| ·粗糙集理论基础 | 第42-47页 |
| ·知识及其表达系统 | 第43-44页 |
| ·等价关系 | 第44页 |
| ·二元不可分关系 | 第44-45页 |
| ·粗糙集 | 第45-46页 |
| ·粗糙度 | 第46页 |
| ·分类的近似 | 第46页 |
| ·知识约简 | 第46-47页 |
| ·不相容问题 | 第47页 |
| ·粗集理论应用的一般步骤 | 第47页 |
| ·基于粗糙集的质量过程偏差诊断模型 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 结论与展望 | 第50-52页 |
| ·全文总结 | 第50页 |
| ·研究展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 发表的论文和获奖情况 | 第57页 |
