| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 课题研究背景及课题来源 | 第12-13页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 课题来源 | 第13页 |
| 1.2 研究目标和意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-20页 |
| 1.3.1 汽车主观质量评价体系概述 | 第14-17页 |
| 1.3.2 多指标评价体系研究现状 | 第17-19页 |
| 1.3.3 车身故障诊断方法研究现状 | 第19-20页 |
| 1.4 研究方法与技术路线 | 第20-21页 |
| 1.5 论文结构与主要内容 | 第21-23页 |
| 第二章 汽车产品主观质量评价体系 | 第23-46页 |
| 2.1 通用全球客户评审（GCA） | 第23-30页 |
| 2.1.1 评审流程 | 第23-24页 |
| 2.1.2 缺陷等级定义 | 第24页 |
| 2.1.3 抽样量和样本抽取方法 | 第24-25页 |
| 2.1.4 评审报告 | 第25页 |
| 2.1.5 缺陷的响应 | 第25页 |
| 2.1.6 评审记录的保存 | 第25-26页 |
| 2.1.7 评审人员和设备 | 第26页 |
| 2.1.8 外观分区 | 第26-29页 |
| 2.1.9 评审标准 | 第29-30页 |
| 2.2 大众整车奥迪特评审体系（AUDIT） | 第30-33页 |
| 2.3 日产整车评价体系（VES） | 第33-37页 |
| 2.3.1 抽样数量 | 第33页 |
| 2.3.2 评价方法 | 第33-34页 |
| 2.3.3 缺陷判定等级定义 | 第34-35页 |
| 2.3.4 外观分区 | 第35页 |
| 2.3.5 缺陷分类 | 第35-36页 |
| 2.3.6 全车型、多市场的评价基准 | 第36-37页 |
| 2.4 各主要主观质量评价体系的比较 | 第37-40页 |
| 2.4.1 评价简便性 | 第37-38页 |
| 2.4.2 评价效率 | 第38页 |
| 2.4.3 评价精度 | 第38页 |
| 2.4.4 诊断能力 | 第38-39页 |
| 2.4.5 灵活性 | 第39-40页 |
| 2.5 上汽通用五菱（SGMW）主观质量体系 | 第40-45页 |
| 2.5.1 GCA 评价体系的使用 | 第41-42页 |
| 2.5.2 AUDIT 评价体系的使用 | 第42-44页 |
| 2.5.3 存在的问题及对策 | 第44-45页 |
| 2.6 本章小结 | 第45-46页 |
| 第三章 AUDIT-GCA 评价体系综合分析与改进 | 第46-62页 |
| 3.1 AHP-TOPSIS 方法简介 | 第46-48页 |
| 3.1.1 AHP 方法简介 | 第46-47页 |
| 3.1.2 TOPSIS 方法简介 | 第47页 |
| 3.1.3 AHP 方法与TOPSIS 方法的结合 | 第47-48页 |
| 3.1.4 AHP-TOPSIS 方法的基本步骤 | 第48页 |
| 3.2 AUDIT-GCA 统一指标体系的建立 | 第48-51页 |
| 3.2.1 现有GCA 指标体系的研究 | 第48-50页 |
| 3.2.2 现有AUDIT 指标体系的研究 | 第50-51页 |
| 3.2.3 AUDIT-GCA 评价指标间的对应传递关系 | 第51页 |
| 3.3 AUDIT-GCA 归一化评价方法 | 第51-61页 |
| 3.3.1 构造AUDIT-GCA 统一指标体系 | 第52-54页 |
| 3.3.2 判断矩阵的构造及确定评价指标权重 | 第54页 |
| 3.3.3 单排序一致性检验 | 第54-56页 |
| 3.3.4 规范化处理AUDIT-GCA 评价数据 | 第56-59页 |
| 3.3.5 运用TOPSIS 法得到归一化指标 | 第59-61页 |
| 3.4 本章小结 | 第61-62页 |
| 第四章 AUDIT-GCA 评价体系可诊断性分析与改进 | 第62-74页 |
| 4.1 AUDIT-GCA 可诊断性的分析 | 第62-63页 |
| 4.1.1 主观质量评价体系可诊断性的定义 | 第62-63页 |
| 4.1.2 现有AUDIT-GCA 评价体系可诊断性分析 | 第63页 |
| 4.2 神经网络在偏差诊断中的应用 | 第63-72页 |
| 4.2.1 神经网络定义和特点 | 第63-65页 |
| 4.2.2 神经网络在故障诊断中的应用 | 第65-66页 |
| 4.2.3 BP 神经网络结构 | 第66-67页 |
| 4.2.4 三层BP 网络学习过程 | 第67-70页 |
| 4.2.5 MATLAB 实现 | 第70-72页 |
| 4.3 使用神经网络建立AUDIT-GCA 诊断模型 | 第72-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第五章 车身质量诊断应用案例 | 第74-99页 |
| 5.1 翼子板区域诊断案例 | 第74-84页 |
| 5.1.1 问题说明 | 第74-76页 |
| 5.1.2 基于AHP-TOPSIS 方法的缺陷指标建立 | 第76-78页 |
| 5.1.3 神经网络的训练 | 第78-81页 |
| 5.1.4 诊断模型的建立 | 第81-83页 |
| 5.1.5 可诊断性检验 | 第83页 |
| 5.1.6 实际问题诊断 | 第83-84页 |
| 5.2 左前门区域诊断案例 | 第84-91页 |
| 5.2.1 问题说明 | 第84-86页 |
| 5.2.2 缺陷指标建立 | 第86-87页 |
| 5.2.3 神经网络的训练 | 第87页 |
| 5.2.4 诊断模型的建立 | 第87-88页 |
| 5.2.5 可诊断性检验 | 第88-89页 |
| 5.2.6 指标体系重构 | 第89-90页 |
| 5.2.7 实际问题诊断 | 第90-91页 |
| 5.3 前大灯区域诊断案例 | 第91-98页 |
| 5.3.1 问题说明 | 第91-92页 |
| 5.3.2 指标体系建立 | 第92-93页 |
| 5.3.3 诊断模型建立 | 第93-96页 |
| 5.3.4 实际结果对比 | 第96-98页 |
| 5.4 本章小结 | 第98-99页 |
| 第六章 总结与展望 | 第99-100页 |
| 参考文献 | 第100-102页 |
| 致谢 | 第102-103页 |
| 攻读学位期间发表的学术论文 | 第103-105页 |
