一、基于模糊推理的质量诊断专家系统的设计（论文文献综述）
杨沛锦[1]（2021）在《A公司制造过程质量智能控制改进研究》文中指出近十年来我国制造业发展迅猛,在不断的向制造强国迈进,而制造过程质量控制是保障转型的重要内容。目前随着生产过程中智能化提升,生产设备数字化程度加强,网络信息化的数据传输过程优化,不断提升制造过程质量控制能力,提升质量控制的智能化水平,进行实现质量全面实时监控、智能控制以及质量预警,因此如何通过利用数字化设备、仿真模型、智能算法等智能化工具,构建自适应、自优化、自学习的闭环质量智能控体系,减少人工对质量控制的干预,提升质量智能控制水平,是未来质量控制发展的必要目标。本文通过对A公司制造过程质量智能控制的现状调查,对其制造过程质量智能控制中存在的制造过程质量数据收集自动化程度不高、未有效构建制造过程质量数据预警与可视化诊断及未建立有效的质量智能控制迭代过程等三个问题进行了分析,并依据分析结果构建了制造过程质量控制流程及制造过程质量智能控制框架;针对A公司质量数据未有效利用的问题,构建了 5M1E状态数据、制造过程质量数据的收集流程及质量数据处理流程;针对A公司未建立及时的智能质量控制过程的问题,依据改进方案构建了基于极端学习机模型的制造过程产品质量数据预警模型,通过运用构建了过程质量控制可视化方案,对可视化方案中的框架、功能进行了论述,并依据过程质量智能迭代的要求,通过自适应、自学习、自优化三个过程对A公司制造过程质量智能迭代过程进行了构建。相对于已有研究,本论文在制造过程质量智能控制,尤其在制造过程质量智能迭代改进方面创新性明显。以往质量控制研究很少对质量智能迭代过程进行论述,对质量智能控制过程中自适应、自学习、自优化过程分析较少。本文提出了基于质量智能控制的整体流程方案与整体框架,构建了基于极端学习机的智能质量预警模型与过程质量控制可视化框架,并通过自适应、自优化、自学习的制造过程质量智能迭代流程,构建出免人工干预的质量闭环控制体系,解决了过往相关研究较少的问题,并在实际运用中具有一定的实践性。
赵志鹏[2]（2020）在《基于深度学习的视频监控质量诊断研究》文中研究表明随着视频监控系统应用场景越来越广、集成规模持续增大、数量不断增加,视频监控系统要求实时在线,在长期运营过程中由于多种原因造成系统环节出现各种各样的故障问题,从而影响到视频图像的质量。为了保证前端系统环节设备正常工作,视频质量诊断研究发展迫切,成为解决这类问题的重要途径。利用人工检测故障问题存在很多不足,因此,本文针对视频监控的各种故障类型情况,对基于深度学习的视频监控质量诊断算法进行探讨研究,为后期的监控设备运维工作提供相关技术支持。论文主要工作如下:论文首先分析了监控系统的构成,研究了实际运用视频监控故障类型以及形成原因,通过分析目前的视频监控质量评价方法,对其进行分类与介绍,归纳总结了常用的算法特点和存在的缺陷。视频监控质量特征提取与诊断指标问题进行深入调查分析,针对各类视频故障类型特征提取,总结了合适的视频监控质量诊断标准。然后,介绍了深度学习相关理论及发展,论文分析了深度学习在诊断过程中的重要性,研究了CNN网络的发展变化,总结归纳了在特征提取过程中CNN网络的优势,分析对比之后,本文采用网络容易扩展,结构简单,性能较好的VGG网络和Goog Le Net网络作分析。根据深度学习对设备的要求,搭建了实验需要的硬件,软件环境。通过对TID2013数据库扩展,收集整理了比较全面的适合深度学习的数据集。经过数据集预处理,得到网络的输入,搭建深度学习神经网络框架,调整模型参数。进行网络的训练。读取训练好的网络模型完成测试。最后,论文根据分析得出的深度学习的视频监控质量诊断模型方案,实现了基于VGG深度学习视频监控质量诊断算法,用其完成异常检测实验,用Goog Le Net实现图像诊断识别率实验。结果表明本文采用的方法与传统算法相比可以得到更好的诊断效果。本文方法具有准确率高,适用性强等特性。本文立足于对视频监控质量的研究,利用深度学习网络构建有效的视频图像质量评价诊断模型。通过论文工作,扩充的适合有效的数据集,工作也为视频质量诊断研究,视频监控服务的优化等各个方面提供技术支撑。
范智毅[3]（2020）在《以提升保教实施质量为导向的大班幼儿发展评价的行动研究 ——以学习习惯领域评价为例》文中认为本研究主要探讨教师如何通过幼儿发展评价来提升班级保教实施质量。在具体考察上海市C幼儿园幼儿发展评价现状及其评价在提升幼儿园保教实施质量方面的情况后,本研究挑选C幼儿园两个大班分别作为实验班与对照班,并进行班级保教实施质量的前测。同时,在实验班与幼儿园教师合作制定行动研究方案,从《上海市幼儿园办园质量评价指南（试行稿）》中的“幼儿发展行为观察指引”中选取“习惯与自理”领域下的子领域“学习习惯”为领域,在此基础上进行五轮通过幼儿发展评价提升保教实施质量的行动研究。每次行动后进行反思与总结,不断优化行动方案与策略,持续提升保教实施质量。行动研究之后对实验班与对照班进行保教实施质量的后测,并结合行动研究结果为幼儿园教师通过幼儿发展评价提升保教实施质量提供参考性意见。本研究通过在实验班循环往复的五轮行动研究,证实了通过实施幼儿发展评价能够促进保教实施质量的提升。五轮行动研究得出如下结论:教师可以通过幼儿发展评价来提升保教实施质量;教师通过幼儿发展评价提升保教实施质量的最终目的在于促进幼儿的持续发展。此外,研究还总结了教师通过幼儿发展评价提升保教实施质量的运用策略:包括通过幼儿发展评价提升保教实施质量的前期准备策略,实施策略以及反馈策略。基于研究结论,本文提出了以下通过幼儿发展评价提升保教实施质量的建议:在幼儿园方面,建立制度和机制,引导教师重视以提升保教实施质量为导向的幼儿发展评价的价值与行动;为教师提供以提升保教实施质量为导向的幼儿发展评价的相关培训;在幼儿教师方面,树立通过幼儿发展评价提升保教实施质量的意识,积极投身实践;加强合作,共同开展以提升保教实施质量为导向的幼儿发展评价。
许文祥[4]（2019）在《基于产品基因的建材装备制造过程质量控制方法研究》文中认为随着制造业全球化的不断加速,制造企业面临的竞争越来越激烈,高质量产品在提高企业竞争力和客户满意度等方面的作用愈加明显,质量成为提升制造企业核心竞争力的关键因素之一,越来越多的企业通过引进先进的质量管理和控制手段来提升产品质量竞争力。产品基因作为生物领域与机械领域融合的产物,在产品信息的描述、管理和应用方面具有优良的特性,因此,它被应用于设计、制造、质量等多个领域,也为制造企业产品质量控制提供了新的有效途径。本文针对建材装备产品及其制造过程特点,提出了基于产品基因的建材装备制造过程质量控制方法。主要研究内容如下:（1）提出了面向建材装备制造过程质量控制的产品基因建模方法。首先,分析了建材装备企业产品与制造过程的特点,阐述了建材装备产品基因的内容,提出了以加工面为遗传信息承载单元的产品基因模型,定义了产品基因的信息模型结构、编码方法和获取方法;在此基础上,提出了产品基因知识库,并对其内容和形成进行了阐述,定义了产品基因知识的存储与检索方法以及属性相似度计算规则,为其应用提供了基础。（2）提出了基于产品基因的建材装备质量缺陷诊断模型。首先,提出了基于直接相似度与合成相似度结合的产品基因知识过滤方法,以保证所获取知识的可用性,同时,应用粒子群算法（Particle Swarm Optimization,PSO）对相关产品基因的各元素权重进行优化;然后,针对质量缺陷与成因之间多对多关系的特点,提出了基于模糊综合评价法（Fuzzy Comprehensive Evaluation,FCE）的质量缺陷多因素诊断方法;最后,以某建材装备企业实际案例为对象对该模型进行了验证与分析。（3）提出了基于产品基因的建材装备质量综合评价模型。首先,以目标基因与非缺陷基因的相似程度及其与缺陷基因的差异程度为依据,提出了基于产品基因知识库的产品质量状态评价方法;然后,提出了基于产品基因状态评价的产品质量综合评价方法,为了获得更加准确的评价结果,提出了基于模糊层次分析法（Fuzzy Analytic Hierarchy Process,FAHP）的关联产品基因权值评估方法,并针对亚健康产品存在的质量风险,提出了基于鱼骨图的分析方法;最后,以某建材装备企业一磨辊轴为案例证明了该方法的可行性与有效性。（4）提出了基于产品质量评价的建材装备制造执行过程优化方法。在分析建材装备产品基因重组过程的基础上,结合产品质量综合评价方法,提出了考虑质量评价的制造任务优化调度模型,通过合理的制造资源选择来保证产品质量,为实现该目标,设计了一种改进的混合遗传离散粒子群算法（Hybrid Genetic Algorithm and Discrete Particle Swarm Optimization,H-GA-DPSO）用于求解该模型,并通过算例验证了模型和算法的有效性和性能优势。（5）针对所提出模型与方法的实际应用,在分析建材装备企业产品、制造过程和管理特点的基础上,设计和开发了面向建材装备企业制造过程的质量信息采集、共享与决策支持系统,并对系统开发背景、架构、性能优化设计、功能实现进行了详细论述。
李金艳[5]（2018）在《信息不完备条件下工序质量诊断方法研究》文中指出产品质量关系到企业的生存与发展,是其市场竞争能力的重要体现,更是其设计、制造、装配等各个环节质量因素影响或误差累积的结果。特别是,产品规格日益丰富,生产工艺日趋复杂,多品种小批量生产模式已逐渐成为主流等新的态势下,如何及时诊断、控制和预防质量问题已成为质量控制领域的关注焦点之一。在复杂制造环境中,由于工艺的多样性和质量问题的复杂性使得对工序状态信息的掌握常存在着某种程度的不完全、不确定的现象,基于统计的质量控制方法因其统计可靠性条件严苛而常常无法得到充分满足,其适用性受到了很大的限制。如何结合信息特点合理选择质量诊断与控制方法,对不完备信息进行正确处理,获得相对实时准确的诊断结果已成为当前复杂制造环境下工序质量诊断的重要课题。本文以复杂制造环境中信息不完备条件下工序质量诊断为研究对象,基于质量诊断技术现状和质量信息的不完备性分析,分别针对工序质量信息不完备情况下的几种典型情形进行研究,主要工作如下:第一章介绍本文的研究背景和意义;在归纳总结目前国内外工序质量诊断与控制研究现状的基础上,结合复杂制造环境下信息获取现状与特点,提出了工序质量诊断面临的主要问题;最后介绍了本文的主要研究内容和技术框架。第二章围绕质量问题的识别、诊断与控制过程,引入质量事件、质量问题、错误等相关概念对工序质量诊断各环节所需信息进行梳理;然后利用ExGQM方法对工序质量信息的完备性需求展开讨论,并在已有的相关研究成果的基础上对信息的不完备认识进行对比分析,并总结提出了属性缺失、信息冗余与不一致、信息不确定以及样本不足等几种典型的质量信息不完备情形。在质量信息不完备性分析的基础上,尚需结合适当的诊断方法实现对工序质量异常或质量问题的诊断与控制,才能有效阻断对产品质量的进一步影响。为此,第三章首先针对典型信息不完备情形下的处理对策,从数据挖掘的角度进行比较分析,并根据质量信息特点和质量诊断需求,明确各类处理对策的适用范围与效果;然后根据典型信息不完备情形下的处理对策,从方法优势与适用性的角度,进行基于知识/规则的方法选择,制定相应的诊断策略;最后结合复杂制造过程中信息不完备情形下质量诊断的具体需求,指出了尚需解决的关键问题。第四章,针对如何在属性值缺失、信息冗余条件下通过问题聚类获取工序质量诊断所需的隐含知识的问题,根据信息补齐与属性约简策略展开研究:首先,针对Roustida算法在进行工序质量信息补齐时面临的局限性进行了改进并给出了相应算法,扩充了其在复杂工程实践中适用范围的同时,实现了不完备质量信息的完整和完备化;然后,针对已相对完整的信息支持系统,利用遗传算法和广义诊断规则推理进行属性约简与规则提取,实现以最简方式表达工序状态和质量问题的关系;最后,结合轴承套圈的沟道磨削质量问题诊断进行实例分析,以验证该研究的可行性和有效性。第五章,针对信息不确定情形下的工序质量诊断问题,利用Bayesian网络可以综合基于经验知识定性判断和统计概率定量评估的优势,通过多源信息融合对相关影响因素和质量问题进行预先因果假设,建立初始Bayesian网络结构;并针对初始网络中节点众多、结构模糊问题,利用基于评分/搜索的K2算法进行初始结构的优化;然后结合Leaky Noisy-OR节点模型,将生产过程中随机因素的影响纳入到推理模型,使概率推理更加接近实际;最后利用沟道磨削表面形貌质量问题诊断对所构建模型及优化方法的可行性和有效性进行验证,并针对信息不确定情形与朴素Bayesian网络做了比较评估以验证本研究可以明显降低结构复杂度和条件概率估计数量。第六章,针对小样本问题,利用案例推理可以实现基于知识的问题学习和求解的优势,将过去积累的“知名错误”以案例的形式储存在案例库中,根据特征分类的索引策略、匹配算法以及相似度计算,从案例库中检索相似案例,经由适配策略修正,获得适合当前问题的解决方案。针对工序质量问题案例的形式化表示存在的局限性,本章将可拓理论与案例推理相结合,提出基于物元模型的质量信息表达结构;并通过可拓算子实现对质量问题特征项在多级索引结构上的相容性求解;然后结合基于领域知识的分层案例组织形式与最近邻检索策略实现608-2RS深沟球轴承振动问题诊断,以验证既有可拓理论与案例推理的集成对实现小样本情形下历史经验重用的可行性和有效性;最后通过与传统案例检索在检索方式、检索时间复杂度以及适用范围等方面的对比分析验证了该集成方法在进行工序质量诊断应用方面的优势。第七章给出了本论文的研究结论,结合自身研究的不足,展望了进一步研究的方向。
代明明[6]（2017）在《废旧机床再制造过程质量控制方法研究》文中研究表明废旧机床再制造作为我国循环经济、绿色经济的重要组成部分之一,对于实现社会的可持续发展有着重大意义。而再制造产品质量是制约再制造企业发展的重要因素,同时,再制造系统存在许多的不确定性:废旧毛坯服役工况的不确定性、本身质量缺陷的不确定性以及组织结构的不确性,导致废旧机床再制造过程的质量控制较为困难,使得再制造产品的质量难以保证。基于此,以废旧机床再制造过程为研究对象,根据再制造过程的不确定性特点,对再制造过程质量异常在线监控、异常识别以及质量异常诊断与调整进行研究,主要研究内容如下:（1）针对毛坯质量分布不确定的问题,提出基于动态、非正态的EWMA控制图的方法。根据非参数方法中的Wilcoxon秩和检验的理论知识,应用秩统计量,获得与样本数据分布无关的统计量;在此基础上,通过不断移动控制图数据窗口来更新在线观测点,并利用得分函数获得动态的光滑参数,构建面向动态、非正态分布的再制造过程质量EWMA控制图,实现动态再制造过程质量的自适应监控。（2）针对再制造过程质量样本少、质量异常识别困难等问题,提出基于CS分解贝叶斯的主元分析方法。通过将CS分解贝叶斯空间估计的思想,特征子空间矩阵引入传统的PCA的方法,解决传统PCA需要大样本的问题,从而能实现在小样本条件下再制造过程质量异常识别。（3）针对再制造过程质量异常与引发因素之间的不确定性,采用基于粗糙集理论的再制造过程质量异常诊断与调整系统。利用粗糙集理论知识求得再制造过程质量影响因素相对再制造过程质量特征的重要度,再通过不同质量因素之间重要度大小,对质量异常进行溯源,找出引发质量异常的原因并进行调节,实现再制造过程的异常诊断与调整。（4）以废旧TPX6113镗床的导轨再制造过程为例,通过基于动态、非正态的EWMA控制图方法能灵敏地识别出再制造过程质量异常,出现质量异常后,基于改进的PCA质量异常识别模型能迅速识别出质量异常类型,再通过基于粗糙集的质量诊断模型对再制造质量异常诊断,诊断出质量异常原因并对过程异常进行调节,结果表明所提出的方法能够解决再制造过程质量控制问题,从而证明该方法的有效性和可行性。
邓健[7]（2016）在《多品种小批量质量控制决策系统研究》文中认为随着生产力的大力发展,制造型企业的生产模式也发生了巨大的转变,多品种小批量的生产模式逐步在制造业生产方式中占有重要地位。而生产过程中的质量问题依旧是企业关注的核心问题,传统大批大量质量控制方法很难直接应用到多品种小批量的生产模式中,且目前有关多品种小批量质量诊断的技术较少。因此,本文针对多品种小批量的特点,对多品种小批量质量控制方法和诊断技术做了深入研究,并设计了以质量控制与诊断为全过程的多品种小批量质量控制决策系统。本文围绕以下几点展开研究：（1）研究分析多品种小批量质量控制的特殊性,对国内外常见的几种面向多品种小批量的质量控制方法进行对比分析,提出了基于贝叶斯动态线性模型的统计过程质量控制方法,最后对该模型改善前后进行了实例对比分析。（2）针对多品种小批量的特点,研究了人工智能领域内的诊断技术,提出基于案例推理技术下的多品种小批量质量诊断案例技术,最后用最近相邻法及层次分析法对案例进行检索及权重参数修正,该部分为决策系统的质量诊断模块做技术支撑。（3）在上述质量控制方法与质量诊断技术研究的基础上,设计了以质量控制与诊断为一体的多品种小批量质量控制决策系统。
赵双凤[8]（2016）在《基于MES的机加车间制造过程工序质量控制方法与系统研究》文中研究指明在日趋激烈的市场竞争中,可靠的产品质量已成为制造企业立足行业、赖以发展的根本。制造过程中的工序质量是形成产品最终质量的关键。随着制造技术的不断发展和信息管理系统的不断完善,如何利用海量的制造数据来服务于制造质量已成为质量控制领域的研究热点。本文在现有质量控制技术的基础上着眼于产品制造过程,提出以预防—分析—改进为主线的工序质量控制方法,降低零件加工不合格率从而保证产品质量。通过采集工艺资源状态类、检验数据类、计划排产类及技术资料类四大类数据形成质量数据分析层,结合数据挖掘技术和人工智能技术等进行质量预测、质量诊断及质量统计来挖掘出对生产制造质量有用的质量信息,最后运用挖掘出的质量信息进行质量控制和质量改进。研究内容主要包括以下几个方面:首先,针对MES中工序质量控制现状及需求,提出基于MES的机加车间制造过程工序质量控制总体框架及运行流程。该框架涵盖现场控制层、生产执行层、计划管理层及质量数据分析层四个层次,并从事前质量预测、事中质量实时监测及事后质量统计三个阶段来阐述制造过程工序质量控制流程。其次,针对总体框架中的质量数据分析层阐述具体的质量数据分析。第一:通过灰色理论模型和BP神经网络模型利用历史质量特性数据预测未来时刻的质量特性值,预知未来时刻工件的加工情况;第二:结合预测结果将已加工工件的实际值与未来工件的预测值作为样本描绘控制图,利用基于案例的推理方法进行质量异常诊断,准确定位引起质量变异的原因,获取解决方案。第三:充分利用历史数据进行质量统计包括质量报表、诊断案例及工艺资源评估等方面,提取出对产品设计、生产排产、调度等有用的质量知识。然后,将质量数据分析层挖掘出的质量信息反馈到制造执行层,以MES系统为平台将挖掘到的质量信息转换为质量控制策略对整个生产系统进行质量控制。最后,结合重庆江增船舶重工有限公司实际情况及面临的质量问题,设计和开发了基于MES的制造过程质量管理系统,验证了其有效性。
李宁[9]（2016）在《基于神经网络的烟草制丝工序质量诊断技术研究》文中提出随着社会的发展,生活水平的提高,人们对卷烟产品的质量要求也越来越高。为了稳定卷烟质量、满足细分市场,烟草制丝工艺日趋精细与复杂,这也使得烟草行业更加注重对卷烟质量的控制。在制丝过程中会受到多种因素的影响,烟丝的质量必然会发生波动,要实现制丝的高效率、高质量,就必须保证生产过程处于稳定受控的状态,因此面向生产过程的质量监控就变得非常重要;另一方面,数字化制丝流程的实施,大大提高了制丝车间的信息化、自动化程度,如果过程状态的监控还是仅仅依赖人为因素,否则将严重阻碍烟草行业自动化程度和质量管理水平的提高。本论文针对上两个问题,提出了将SPC方法和BP神经网络技术相结合,应用于烟草制丝过程质量控制,研究了制丝过程质量的智能监控技术。首先,根据制丝过程的特点,把SPC方法应用于制丝过程质量控制。通过分析制丝工艺的关键工序以及重要质量特性指标,确定SPC的控制对象;提出了控制图的应用方案,选择均值–极差控制图进行质量控制,然后以实例说明了控制图在制丝工序中的具体应用其次,基于BP神经网络,对控制图的模式识别问题进行了研究。先将SPC控制图分为正常、向上阶跃、向下阶跃、趋势上升、向上阶跃、趋势下降、周期6种基本模式,并建立起相应数学模型;然后提出了控制图模式识别的总体方案,着重研究了控制图基本模式的识别方法和异常模式关键特征参数的估计方法。在理论研究的基础上,采用改进BP算法,建立了1个控制图模式识别网络、3个异常模式参数估计网络,分别估计阶跃模式的幅值,周期模式的幅值和周期长度,趋势模式的斜率。然后,依据SPC理论,从人、机、料、法、环、测6个方面,针对每一种异常模式,分析并总结典型的异常原因及调整建议,建立异常诊断知识库。最后,基于SQL Server2000设计制丝质量管理数据库和异常诊断知识库,以Visual C++6.0和Matlab7.0为平台,开发了制丝过程质量监控与诊断系统,实现了制丝质量数据管理,控制图绘制,过程状态的识别和特征参数估计,异常原因分析诊断等功能,并进行了实例测试。
周昊飞[10]（2016）在《基于模式识别的自动化生产过程质量智能诊断研究》文中认为过程实时智能监控与诊断是政府实施食品药品质量安全大数据监管、智能制造“十三五”发展规划的重要环节。传统的统计过程控制方法难以满足过程实时质量智能监控的需求,基于模式识别的过程智能监控及诊断已成为质量管理领域的新方向。目前该方面的研究多集中于控制图模式识别、异常模式参数估计等方面。现有识别模型大都采用人工神经网络或支持向量机单一类型分类器进行建模,存在计算复杂、识别效率低等问题,而现有异常模式参数估计模型难以对细微变动参数进行精准估计。因此,如何构建更为高效的识别模型与异常模式参数估计模型是本文亟待解决的问题。在国家自然科学基金项目“基于模式识别的动态过程质量监控及诊断”的研究基础上,本文系统地研究了过程实时智能监控与诊断方法。首先,依据质量特性测量数据流的变化特性,将自动化生产过程运行状态划分为正常模式与趋势、阶跃、周期异常质量模式。其次,提出了过程质量模式混合特征,并构建了神经网络与支持向量机相结合的质量模式识别模型。而后,构建了小波重构特征与多核支持向量回归相结合的异常模式参数估计模型。最后,提出了自动化生产过程在线质量智能诊断框架,并通过某国有企业精密轴加工过程的实例应用验证了该诊断框架的有效性。本文的研究主要分为四个部分,具体内容如下:（1）自动化生产过程质量模式识别模型研究研究了自动化生产过程质量模式的混合特征,并构建了同时应用神经网络与支持向量机的质量模式识别模型。首先,将小波分解低频近似系数与形状特征进行顺序组合形成过程质量模式混合特征。其次,利用基于均值特征的神经网络将过程质量模式划分为正常与周期、向上、向下三大类别。进而,通过基于混合特征的支持向量机将三大类别细分为正常、周期、上升趋势等六种质量模式。仿真实验表明,所提识别模型不仅结构简单且识别精度高,能有效应用于在线过程智能监控。（2）自动化生产过程异常模式参数估计模型研究研究了小波重构数据特征、多核函数的支持向量回归学习器,构建了基于小波重构与多核支持向量机回归的自动化生产过程异常模式参数估计模型。首先,提取过程异常模式的小波重构数据特征,以突显参数细微变动时异常模式的差异。进而,利用由线性核函数与高斯核函数组合形成的多核支持向量机回归对异常模式参数进行估计。仿真实验表明,所提参数估计模型在参数细微变动时仍有较好的估计能力。（3）自动化生产过程在线质量智能诊断框架研究研究了集成识别模型、异常模式参数估计模型与专家诊断知识库的自动化生产过程在线质量智能诊断框架。首先,采用“监控窗口”对过程质量特性测量值进行在线取值,应用识别模型识别当前“监控窗口”内数据流所属的质量模式类别。进而,当“监控窗口”内数据流为异常模式时,采用参数估计模型对其异常模式参数进行估计。而后,将过程异常类别及参数估计值与专家诊断知识库中的规则进行匹配,查找过程异常原因。（4）精密轴加工过程在线智能监控与诊断实例研究以精密轴加工过程为例,验证了所提质量智能诊断框架对自动化生产过程在线智能监控与诊断的有效性。首先,利用蒙特卡罗方法产生精密轴质量特性轴径的质量模式数据,对诊断框架中识别模型、参数估计模型进行离线训练与测试。而后,利用专家经验知识与故障树分析方法构建精密轴专家诊断知识库。最后,应用离线训练好的质量智能诊断框架对轴径实际加工过程进行在线智能监控与诊断。实例应用表明,所提质量智能诊断框架能有效应用于自动化生产过程的在线质量智能监控与诊断。本文的研究特色与创新之处可概括为:（1）针对现有特征提取多采用单一类型特性、已有融合特征难以满足数据维度低且模式区分力强的需求,提出了小波分解低频近似系数与形状特征顺序组合的混合特征,所提混合特征不仅数据维度低且细节信息强,具有较强的模式区分能力,大大降低了识别模型的计算复杂度。（2）针对现有识别模型多采用神经网络或支持向量机单一类型分类器进行建模,存在模型结构复杂、识别效率低等问题,提出了基于神经网络和支持向量机的质量模式识别模型,提高了自动化生产过程质量模式的识别效率。（3）针对已有估计模型存在对细微变动参数难以精准估计的问题,提出了基于小波重构与优化多核支持向量回归的异常模式参数估计模型,并与识别模型、专家诊断知识库进行结合形成了在线质量智能诊断框架。本文研究成果不仅为自动化生产过程提供了一套可操作的质量智能监控与诊断方法,而且可拓展到金融市场、食品药品安全等政府监管领域。
二、基于模糊推理的质量诊断专家系统的设计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于模糊推理的质量诊断专家系统的设计（论文提纲范文）
（1）A公司制造过程质量智能控制改进研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 研究内容与框架 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.2.3 研究思路与框架 |
| 2 国内外相关研究现状分析 |
| 2.1 制造过程质量控制研究现状 |
| 2.2 制造过程质量智能控制研究现状 |
| 2.3 企业制造过程质量智能控制理论应用现状 |
| 3 A公司制造过程质量智能控制现状及存在问题分析 |
| 3.1 A公司基本情况 |
| 3.2 A公司制造过程质量智能控制现状调查分析 |
| 3.2.1 A公司智能制造过程质量控制现状调查 |
| 3.2.2 调查问卷结果统计分析 |
| 3.3 A公司制造过程智能质量控制现状分析 |
| 3.3.1 制造过程质量智能控制流程现状分析 |
| 3.3.2 制造过程质量数据收集现状分析 |
| 3.3.3 质量预警与可视化诊断现状分析 |
| 3.3.4 质量控制智能迭代现状分析 |
| 3.4 A公司制造过程质量智能控制主要问题分析 |
| 4 A公司制造过程质量智能控制改进设计 |
| 4.1 A公司制造过程质量智能控制集成化流程设计 |
| 4.1.1 质量智能控制整体流程设计 |
| 4.1.2 质量智能控制框架设计 |
| 4.1.3 制造过程质量智能控制集成化设计 |
| 4.2 A公司制造过程质量智能控制数据收集流程设计 |
| 4.2.1 制造过程质量数据收集 |
| 4.2.2 制造过程质量数据处理 |
| 4.3 A公司制造过程质量智能控制预警与可视化改进设计 |
| 4.3.1 制造过程质量智能预警模型构建 |
| 4.3.2 制造过程可视化框架设计 |
| 4.3.3 齿轮制造过程预警与可视化案例运用 |
| 4.4 A公司制造过程质量智能迭代流程改进设计 |
| 4.4.1 制造过程质量自适应构建 |
| 4.4.2 制造过程质量自学习构建 |
| 4.4.3 制造过程质量自优化构建 |
| 5 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 |
| 附录2 |
（2）基于深度学习的视频监控质量诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 视频监控发展现状 |
| 1.1.2 视频监控诊断发展现状及发展趋势 |
| 1.2 论文主要内容 |
| 1.3 论文结构 |
| 第二章 视频监控质量诊断方法概述 |
| 2.1 视频监控基本构成 |
| 2.2 视频监控的特点 |
| 2.3 视频图像故障类型研究 |
| 2.4 视频质量诊断方法综述 |
| 2.4.1 图像主观评价 |
| 2.4.2 图像客观评价 |
| 2.4.3 传统的图像质量客观评价方法存在的缺陷 |
| 2.5 本章小结 |
| 第三章 视频监控质量特征提取与诊断指标 |
| 3.1 常见视频监控异常项检测 |
| 3.2 视频图像特征提取 |
| 3.3 图像质量评价标准 |
| 3.4 本章小结 |
| 第四章 基于深度学习的视频监控质量诊断研究 |
| 4.1 深度学习模型分析 |
| 4.1.1 深度学习简介 |
| 4.1.2 CNN网络概述 |
| 4.1.3 VGGnet网络 |
| 4.1.4 Goog Le Net网络 |
| 4.2 深度学习视频监控质量诊断方案 |
| 4.3 实验环境 |
| 4.4 实验数据 |
| 4.4.1 图像评价数据库 |
| 4.4.2 数据扩充 |
| 4.5 实验 |
| 4.5.1 图像质量异常检测实验 |
| 4.5.2 图像诊断识别率实验 |
| 4.5.3 深度学习图像评价实验 |
| 4.5.4 结果分析 |
| 4.6 本章小结 |
| 第五章 总结和展望 |
| 5.1 论文总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录A（攻读硕士期间的学术成果） |
（3）以提升保教实施质量为导向的大班幼儿发展评价的行动研究 ——以学习习惯领域评价为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题缘由 |
| 1.1.1 基于保教质量提升的政策要求 |
| 1.1.2 基于幼儿发展评价对提升保教质量的重要性 |
| 1.1.3 基于个人的研究兴趣 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 第2章 概念界定和文献综述 |
| 2.1 核心概念界定 |
| 2.1.1 教育与保育 |
| 2.1.2 质量 |
| 2.1.3 幼儿园保教质量 |
| 2.1.4 幼儿园保教实施质量 |
| 2.1.5 幼儿发展评价 |
| 2.2 文献综述 |
| 2.2.1 关于保教质量相关概念的研究 |
| 2.2.2 关于幼儿园保教质量的研究 |
| 2.2.3 关于幼儿发展评价的研究 |
| 2.2.4 关于幼儿园保教质量与幼儿发展评价的研究 |
| 2.2.5 综述 |
| 第3章 研究设计 |
| 3.1 研究目的和内容 |
| 3.1.1 研究目的 |
| 3.1.2 研究内容 |
| 3.2 研究步骤 |
| 3.3 研究对象及参与者 |
| 3.4 研究方法 |
| 3.4.1 文献分析法 |
| 3.4.2 问卷调查法 |
| 3.4.3 访谈法 |
| 3.4.4 行动研究法 |
| 3.5 研究工具 |
| 3.5.1 调查问卷 |
| 3.5.2 访谈提纲 |
| 3.5.3 幼儿园保教实施质量评价工具 |
| 3.6 资料收集与编码 |
| 第4章 以提升保教实施质量为导向的幼儿发展评价现状调查 |
| 4.1 现状调查的诊断与问题 |
| 4.1.1 教师对以提升保教实施质量为导向的幼儿发展评价的认知情况 |
| 4.1.2 教师对以提升保教实施质量为导向的幼儿发展评价的实践情况 |
| 4.1.3 教师对幼儿发展评价结果的整理分析与反馈利用 |
| 4.1.4 教师通过幼儿发展评价提升保教实施质量的困难 |
| 4.2 总结 |
| 第5章 以提升保教实施质量为导向的幼儿发展评价行动研究过程 |
| 5.1 行动研究方案设计 |
| 5.1.1 幼儿发展评价领域的选择 |
| 5.1.2 评价途径的选择 |
| 5.1.3 行动研究开展的具体安排 |
| 5.2 行动研究前期准备 |
| 5.2.1 研究小组确定及研讨培训 |
| 5.2.2 实验班和对照班前测结果分析 |
| 5.2.3 前测结果总结 |
| 5.3 行动研究方案的具体实施与分析反思 |
| 5.3.1 第一次行动研究的实施——途径:大班集体语言学习活动“我们换牙了” |
| 5.3.2 第二次行动研究的实施——途经:大班生活活动户外散步 |
| 5.3.3 第三次行动研究的实施——途径:大班生活活动值日生 |
| 5.3.4 第四次行动研究的实施——途径:大班分散运动“跳绳” |
| 5.3.5 第五次行动研究的实施——途径:大班结构游戏 |
| 5.4 行动研究实施结果的分析与讨论 |
| 5.4.1 实验班与对照班后测总体效果分析与讨论 |
| 5.4.2 实验班与对照班各子量表后测结果与讨论 |
| 5.4.3 后测效果总结 |
| 第6章 研究结论与建议 |
| 6.1 研究结论 |
| 6.1.1 教师通过幼儿发展评价可以提升保教实施质量 |
| 6.1.2 教师通过幼儿发展评价提升保教实施质量的最终目的在于促进幼儿的持续发展 |
| 6.1.3 通过幼儿发展评价提升保教实施质量的策略 |
| 6.2 研究建议 |
| 6.2.1 对幼儿园方面的建议 |
| 6.2.2 对幼儿教师方面的建议 |
| 第7章 研究不足与展望 |
| 7.1 研究不足 |
| 7.2 研究展望 |
| 参考文献 |
| 附录一 |
| 附录二 |
| 附录三 |
| 附录四 |
| 附录五 |
| 致谢 |
| 附件 |
（4）基于产品基因的建材装备制造过程质量控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 质量管理思想与技术的发展 |
| 1.1.2 我国建材装备企业面临的挑战 |
| 1.2 课题的提出 |
| 1.3 研究目的及意义 |
| 1.4 相关领域国内外研究现状 |
| 1.4.1 产品基因及其在机械领域的应用 |
| 1.4.2 产品质量缺陷诊断 |
| 1.4.3 产品质量评价 |
| 1.4.4 考虑质量的制造任务优化调度 |
| 1.5 现有研究存在的问题与不足 |
| 1.6 课题支撑 |
| 1.7 论文研究内容 |
| 第二章 面向建材装备制造过程质量控制的产品基因研究 |
| 2.1 引言 |
| 2.2 建材装备产品基因 |
| 2.2.1 建材装备产品特点分析 |
| 2.2.2 建材装备产品基因内容 |
| 2.2.3 建材装备产品基因模型 |
| 2.2.4 建材装备产品基因编码方法 |
| 2.2.5 建材装备产品基因获取方法 |
| 2.2.6 建材装备产品基因实例 |
| 2.3 建材装备产品基因知识库 |
| 2.3.1 建材装备产品基因知识库内容 |
| 2.3.2 建材装备产品基因知识存储与检索 |
| 2.3.3 建材装备产品基因属性相似度计算规则 |
| 2.4 本章小结 |
| 第三章 基于产品基因的建材装备制造过程质量缺陷诊断方法研究 |
| 3.1 引言 |
| 3.2 建材装备制造过程质量缺陷诊断模型 |
| 3.2.1 建材装备制造过程质量缺陷成因分析 |
| 3.2.2 基于产品基因的建材装备制造过程质量缺陷诊断框架 |
| 3.3 建材装备产品质量缺陷诊断方法 |
| 3.3.1 基于直接相似度的诊断知识过滤方法 |
| 3.3.2 基于合成相似度的可用诊断知识获取方法 |
| 3.3.3 基于模糊综合评价法的质量缺陷多因素诊断方法 |
| 3.4 质量缺陷诊断实例分析 |
| 3.4.1 数据准备 |
| 3.4.2 诊断知识过滤 |
| 3.4.3 产品质量缺陷诊断 |
| 3.4.4 结果分析 |
| 3.5 本章小结 |
| 第四章 基于产品基因的建材装备制造过程质量综合评价方法研究 |
| 4.1 引言 |
| 4.2 建材装备制造过程质量综合评价模型 |
| 4.3 建材装备产品质量综合评价方法 |
| 4.3.1 基于直接相似度的可用产品基因评价知识过滤 |
| 4.3.2 基于可用评价知识的关联产品基因评价 |
| 4.3.3 产品质量综合评价方法 |
| 4.3.4 基于鱼骨图法的亚健康产品潜在质量问题分析 |
| 4.4 质量综合评价实例分析 |
| 4.4.1 目标产品基因提取与评价知识过滤 |
| 4.4.2 产品质量综合评价 |
| 4.4.3 潜在质量问题分析 |
| 4.5 本章小结 |
| 第五章 基于产品质量评价的建材装备制造执行过程优化方法研究 |
| 5.1 引言 |
| 5.2 面向建材装备制造执行过程优化的产品基因重组分析 |
| 5.2.1 基因工程的启示 |
| 5.2.2 建材装备产品基因重组模型 |
| 5.3 基于产品质量评价的建材装备制造任务调度模型 |
| 5.3.1 问题描述 |
| 5.3.2 数学模型 |
| 5.4 多层编码的混合遗传离散粒子群算法设计 |
| 5.4.1 产品基因信息提取和评价知识过滤方法 |
| 5.4.2 遗传算法设计 |
| 5.4.3 离散粒子群算法设计 |
| 5.5 实验对比与分析 |
| 5.5.1 初始化案例数据 |
| 5.5.2 参数设置 |
| 5.5.3 对比实验与结果分析 |
| 5.6 本章小结 |
| 第六章 基于产品基因的建材装备企业质量跟踪与决策支持系统 |
| 6.1 引言 |
| 6.2 系统开发背景及架构 |
| 6.2.1 系统开发背景 |
| 6.2.2 系统架构分析 |
| 6.2.3 基于中间对象模型的多源信息集成框架 |
| 6.3 系统设计 |
| 6.3.1 系统结构设计 |
| 6.3.2 系统安全与可配置性设计 |
| 6.4 系统主要功能设计实例 |
| 6.4.1 基于OPC技术的质量数据采集 |
| 6.4.2 质量缺陷诊断 |
| 6.4.3 质量评价与分析 |
| 6.4.4 基于产品质量评价的制造执行过程优化 |
| 6.4.5 质量跟踪与预警 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 A:攻读学位期间发表的学术论文 |
| 附录 B:攻读学位期间申请的发明专利 |
| 附录 C:攻读学位期间获得的学术奖励 |
| 附录 D:攻读学位期间参与的科研课题 |
| 附录 E:项目验收报告 |
| 附录 F:软件版权 |
（5）信息不完备条件下工序质量诊断方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 工序质量控制与诊断 |
| 1.2.1 工序质量控制与诊断的发展历程 |
| 1.2.2 质量诊断方法的研究现状 |
| 1.3 主要研究内容与技术路线 |
| 第2章 工序质量信息的不完备性分析 |
| 2.1 引言 |
| 2.2 工序质量信息 |
| 2.3 基于ExGQM的工序质量信息的完备性分析 |
| 2.4 几种典型的工序质量信息不完备情形 |
| 2.4.1 属性缺失 |
| 2.4.2 信息冗余与不一致 |
| 2.4.3 信息不确定 |
| 2.4.4 样本不足 |
| 2.5 本章小结 |
| 第3章 信息不完备情形下的质量诊断策略 |
| 3.1 引言 |
| 3.2 典型信息不完备情形下的处理对策 |
| 3.2.1 属性缺失情形下的处理对策 |
| 3.2.2 信息冗余情形下的处理对策 |
| 3.2.3 信息不确定情形下的处理对策 |
| 3.2.4 样本不足情形下的处理对策 |
| 3.3 信息不完备情形下的质量诊断策略 |
| 3.3.1 典型信息不完备情形下质量诊断策略 |
| 3.3.2 信息不完备情形下工序质量诊断的关键问题 |
| 3.4 本章小结 |
| 第4章 基于规则的工序质量诊断 |
| 4.1 引言 |
| 4.2 基于改进Roustida算法的缺失信息补齐 |
| 4.3 属性简约与诊断规则提取 |
| 4.3.1 相关理论及概念 |
| 4.3.2 属性约简与规则提取 |
| 4.3.3 效果评估 |
| 4.4 实例应用 |
| 4.4.1 沟道磨削质量信息描述 |
| 4.4.2 基于改进Roustida算法的缺失信息补齐 |
| 4.4.3 属性约简与规则提取 |
| 4.4.4 诊断规则的可靠性评估与讨论 |
| 4.5 本章小结 |
| 第5章 基于Bayesian网络的工序质量诊断 |
| 5.1 引言 |
| 5.2 Bayesian网络基本原理 |
| 5.2.1 概念界定 |
| 5.2.2 条件独立假设 |
| 5.3 基于工艺-工况-问题的Bayesian诊断网络模型构建 |
| 5.4 Bayesian网络结构学习与条件概率推理优化 |
| 5.4.1 基于评分搜索-K2算法的结构优化 |
| 5.4.2 基于Leaky Noisy-OR的维数优化 |
| 5.5 实例应用 |
| 5.5.1 基本工艺 |
| 5.5.2 沟道表面形貌问题诊断 |
| 5.5.3 问题诊断结果讨论 |
| 5.6 本章小结 |
| 第6章 基于历史经验重用的工序质量诊断 |
| 6.1 引言 |
| 6.2 基于物元模型的知识表达 |
| 6.3 可拓变换 |
| 6.3.1 可拓推理 |
| 6.3.2 基于映射的推理评估 |
| 6.4 案例库的组织与索引策略 |
| 6.4.1 案例推理的组织 |
| 6.4.2 代表案例聚类 |
| 6.4.3 权重确定与最近邻策略 |
| 6.5 实例应用 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读博士学位期间主要研究成果 |
（6）废旧机床再制造过程质量控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外废旧机床再制造发展与现状 |
| 1.2.2 国内废旧机床再制造发展与现状 |
| 1.2.3 国外再制造过程质量控制研究现状 |
| 1.2.4 国内再制造过程质量控制研究现状 |
| 1.3 主要研究内容与技术路线 |
| 1.3.1 课题来源 |
| 1.3.2 主要研究内容 |
| 1.3.3 技术路线 |
| 第2章 废旧机床再制造过程质量分析 |
| 2.1 废旧机床再制造过程 |
| 2.2 废旧机床再制造过程质量分析 |
| 2.2.1 再制造过程质量不确定性的原因 |
| 2.2.2 再制造过程质量分析 |
| 2.3 废旧机床再制造过程质量控制难点 |
| 2.4 废旧机床再制造过程质量控制方法分析 |
| 2.5 废旧机床再制造过程质量控制关键问题 |
| 2.6 本章小结 |
| 第3章 基于动态、非正态的EWMA控制图的再制造过程质量监控模型 |
| 3.1 再制造过程质量监控理论综述 |
| 3.2 面向动态、多元非正态分布的再制造过程质量EWMA控制图构建 |
| 3.2.1 与分布无关的非参多元EWMA控制图的构建 |
| 3.2.2 面向动态、多元非正态分布的再制造过程质量EWMA控制图的构建 |
| 3.3 实例分析 |
| 3.4 本章小结 |
| 第4章 基于改进PCA的废旧机床再制造过程异常识别 |
| 4.1 废旧机床再制造过程质量异常分析 |
| 4.2 再制造过程异常识别方法理论综述 |
| 4.3 基于改进PCA的再制造过程质量异常识别 |
| 4.3.1 传统的PCA理论 |
| 4.3.2 基于改进PCA的再制造过程质量异常识别 |
| 4.4 实例分析 |
| 4.5 本章小结 |
| 第5章 基于粗糙集的再制造过程质量异常诊断与调整系统 |
| 5.1 再制造过程质量诊断 |
| 5.1.1 质量诊断技术的发展 |
| 5.1.2 质量诊断技术的研究综述 |
| 5.2 基于粗糙集的再制造过程质量异常诊断 |
| 5.2.1 粗糙集理论 |
| 5.2.2 基于粗糙集的再制造过程质量异常诊断 |
| 5.2.3 再制造过程质量异常诊断的具体过程 |
| 5.3 基于专家系统的再制造过程质量异常调整 |
| 5.4 实例分析 |
| 5.4.1 问题描述 |
| 5.4.2 再制造导轨质量异常诊断过程 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（7）多品种小批量质量控制决策系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 制造业生产模式的演变 |
| 1.1.2 多品种小批量质量控制的特殊性 |
| 1.2 多品种小批量质量控制与诊断国内外研究现状 |
| 1.2.1 多品种小批量SPC方法的国内外研究现状 |
| 1.2.2 多品种小批量质量诊断国内外研究现状 |
| 1.3 课题研究目的及研究意义 |
| 1.4 课题的主要内容 |
| 2 多品种小批量质量控制研究 |
| 2.1 传统统计质量控制方法应用于多品种小批量生产模式产生的问题 |
| 2.2 多品种小批量质量控制方法研究 |
| 2.2.1 小批量的X-R控制图 |
| 2.2.2 Q控制图 |
| 2.2.3 CUSUM控制图 |
| 2.2.4 基于贝叶斯的SPC控制图 |
| 2.3 针对几种多品种小批量质量控制方法对比及确定 |
| 2.4 基于贝叶斯的SPC控制图研究 |
| 2.4.1 基于贝叶斯的质量控制常均值动态线性模型 |
| 2.4.2 对常均值动态线性模型分析及改进 |
| 2.5 改进后的常均值动态线性模型实例分析 |
| 2.6 本章小结 |
| 3 CBR技术在多品种小批量质量诊断中的应用研究 |
| 3.1 CBR诊断技术 |
| 3.1.1 CBR应用于多品种小批量质量诊断的基本原理 |
| 3.1.2 CBR应用于多品种小批量质量诊断的基本流程 |
| 3.2 基于CBR的多品种小批量质量诊断关键技术研究 |
| 3.2.1 决策案例描述 |
| 3.2.2 决策案例检索 |
| 3.2.3 决策案例修正 |
| 3.2.4 决策案例维护 |
| 3.3 本章小结 |
| 4 多品种小批量质量控制决策系统总体设计 |
| 4.1 多品种小批量质量控制决策系统的需求分析 |
| 4.2 多品种小批量质量控制决策系统的总体设计 |
| 4.2.1 系统的体系结构 |
| 4.2.2 系统的工作流程 |
| 4.3 多品种小批量质量控制决策系统的功能模块 |
| 4.4 多品种小批量质量控制决策系统开发工具的选择 |
| 4.5 本章小结 |
| 5 多品种小批量质量控制决策系统实现及应用 |
| 5.1 系统开发环境 |
| 5.2 系统各模块功能实现 |
| 5.3 KL公司PM系列油缸缸筒生产过程系统应用 |
| 5.3.1 KL公司PM系列油缸缸筒对数据管理模块功能的应用 |
| 5.3.2 KL公司PM系列油缸缸筒对质量控制模块功能的应用 |
| 5.3.3 KL公司PM系列油缸缸筒对质量诊断决策模块功能的应用 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（8）基于MES的机加车间制造过程工序质量控制方法与系统研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 研究背景与研究目的 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的与意义 |
| 1.2 研究现状 |
| 1.2.1 工序质量控制研究现状 |
| 1.2.2 质量预测技术研究现状 |
| 1.2.3 质量诊断技术研究现状 |
| 1.2.4 质量管理系统研究现状 |
| 1.2.5 研究现状总结 |
| 1.3 论文研究内容及总体框架 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文总体框架 |
| 1.4 本章小结 |
| 2 基于MES的机加车间制造过程工序质量控制方法 |
| 2.1 基于MES的工序质量控制现状及需求分析 |
| 2.1.1 MES简介 |
| 2.1.2 基于MES的工序质量控制现状 |
| 2.1.3 基于MES的工序质量控制需求分析 |
| 2.2 基于MES的机加车间制造过程工序质量控制总体框架 |
| 2.3 基于MES的机加车间制造过程工序质量控制运行流程 |
| 2.4 本章小结 |
| 3 基于MES的机加车间制造过程质量数据分析 |
| 3.1 机加车间制造过程质量数据 |
| 3.2 基于灰色理论和BP神经网络算法的工序质量异常预测 |
| 3.2.1 工序质量异常现象 |
| 3.2.2 工序质量异常预测过程 |
| 3.2.3 基于灰色理论与BP神经网络的集成工序质量预测模型 |
| 3.3 基于案例推理的工序质量异常诊断 |
| 3.3.1 基于案例的推理 |
| 3.3.2 质量诊断案例知识的表示 |
| 3.3.3 案例的相似性度量 |
| 3.3.4 实例验证 |
| 3.4 面向加工案例和工艺资源的质量统计 |
| 3.4.1 诊断案例的统计与完善 |
| 3.4.2 工艺资源评估 |
| 3.5 本章小结 |
| 4 基于MES的机加车间制造过程质量管理系统及应用 |
| 4.1 基于MES的机加车间制造过程质量管理系统设计 |
| 4.1.1 系统体系结构设计 |
| 4.1.2 系统功能设计 |
| 4.1.3 系统数据结构设计 |
| 4.2 基于MES的机加车间制造过程工序质量控制策略 |
| 4.2.1 基于调度管理的工序质量控制策略 |
| 4.2.2 基于排产管理的工序质量控制策略 |
| 4.3 基于MES的机加车间制造过程质量管理系统应用情况 |
| 4.3.1 企业在质量管理方面存在的问题 |
| 4.3.2 系统介绍 |
| 4.3.3 企业应用效果分析 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| A. 攻读硕士期间从事的科研工作 |
| B. 攻读硕士期间的主要获奖情况 |
（9）基于神经网络的烟草制丝工序质量诊断技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 SPC技术研究现状 |
| 1.2.2 控制图模式识别技术 |
| 1.3 论文的主要研究内容、体系结构及创新点 |
| 1.3.1 论文的主要研究内容 |
| 1.3.2 论文的体系结构 |
| 1.3.3 论文的创新点 |
| 1.4 本章小结 |
| 第二章 SPC在烟草制丝工序中的应用 |
| 2.1 SPC理论概述 |
| 2.2 SPC控制图 |
| 2.2.1 控制图的设计原理 |
| 2.2.2 控制图的类型及特征 |
| 2.2.3 控制图的判断准则 |
| 2.2.4 过程能力分析 |
| 2.3 SPC应用流程 |
| 2.4 实例分析 |
| 2.4.1 制丝质量特性分析 |
| 2.4.2 控制图在制丝质量控制中的应用 |
| 2.5 本章小结 |
| 第三章 制丝过程质量控制图模式识别 |
| 3.1 人工神经网络理论 |
| 3.1.1 神经元模型及传递函数 |
| 3.1.2 BP神经网络结构及算法 |
| 3.1.3 改进的BP算法 |
| 3.2 控制图模式定义 |
| 3.2.1 控制图模式分类 |
| 3.2.2 控制图模式数据描述 |
| 3.3 控制图模式识别总体方案 |
| 3.4 实例分析 |
| 3.4.1 网络结构设计 |
| 3.4.2 网络训练 |
| 3.4.3 仿真实验结果分析 |
| 3.5 本章小结 |
| 第四章 质量诊断技术研究 |
| 4.1 基于BP神经网络的质量诊断 |
| 4.1.1 工序质量诊断方案分析 |
| 4.1.2 工序质量诊断原理 |
| 4.1.3 网络模型的建立 |
| 4.1.4 网络训练 |
| 4.2 故障信息数据库设计 |
| 4.2.1 故障信息分析 |
| 4.2.2 故障信息编码 |
| 4.2.3 故障信息数据库结构设计 |
| 4.3 实例分析 |
| 4.3.1 系统方案设计 |
| 4.3.2 方案验证 |
| 4.4 本章小结 |
| 第五章 基于神经网络的制丝过程质量诊断系统 |
| 5.1 系统设计 |
| 5.1.1 系统总体设计流程 |
| 5.1.2 异常诊断知识库设计 |
| 5.2 系统功能实现 |
| 5.2.1 系统功能结构图 |
| 5.2.2 各模块的功能实现 |
| 5.2.3 系统运行实例测试 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文的总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（10）基于模式识别的自动化生产过程质量智能诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 第一节 研究背景及意义 |
| 一 研究背景 |
| 二 研究意义 |
| 第二节 过程质量诊断概念与技术 |
| 一 过程质量诊断的概念 |
| 二 过程质量诊断技术 |
| 第三节 过程质量诊断技术的研究现状 |
| 一 基于统计方法的控制图监控技术 |
| 二 基于控制图模式识别的智能监控方法 |
| 三 基于定性趋势分析的智能诊断方法 |
| 四 基于规则推理专家系统的智能诊断方法 |
| 第四节 主要研究内容与创新之处 |
| 一 研究内容 |
| 二 技术路线与论文框架 |
| 三 创新之处 |
| 第二章 模式识别原理与相关理论 |
| 第一节 模式识别的原理 |
| 一 模式识别的基本过程 |
| 二 模式识别的一般模型 |
| 三 经验风险最小化原则 |
| 第二节 统计学习理论 |
| 一 VC维 |
| 二 结构风险最小化原则 |
| 第三节 支持向量机与核函数 |
| 一 支持向量机分类 |
| 二 支持向量回归 |
| 三 核函数选择问题 |
| 第四节 小结 |
| 第三章 自动化生产过程质量模式识别模型与仿真分析 |
| 第一节 自动化生产过程质量模式与数据描述 |
| 一 自动化生产过程及其特点 |
| 二 自动化生产过程质量模式 |
| 三 质量模式数据的描述方法 |
| 第二节 自动化生产过程质量模式的混合特征提取方法 |
| 一 统计特征 |
| 二 小波分解特征 |
| 三 几何形状特征 |
| 四 基于小波分解与形状特征的混合特征 |
| 第三节 基于神经网络与支持向量机的识别模型构建 |
| 一 BP神经网络 |
| 二 多分类支持向量机 |
| 三 粒子群参数优化 |
| 四 基于BP神经网络与支持向量的识别模型 |
| 第四节 识别模型的仿真实验验证 |
| 一 质量模式的多特征提取 |
| 二 识别模型初始化 |
| 三 混合特征与识别模型性能分析 |
| 第五节 小结 |
| 第四章 自动化生产过程异常模式参数估计模型与仿真分析 |
| 第一节 现有模型及离散小波重构 |
| 一 现有异常模式参数估计模型 |
| 二 离散小波重构 |
| 第二节 优化多核支持向量回归 |
| 一 核函数的性质 |
| 二 多核函数构建 |
| 三 多核支持向量回归的参数优化 |
| 第三节 基于小波重构的异常模式参数估计模型构建 |
| 一 异常模式参数估计模型 |
| 二 估计模型的工作流程 |
| 第四节 估计模型的仿真实验验证 |
| 一 异常模式的小波重构特征 |
| 二 估计模型参数优化 |
| 三 估计模型性能分析 |
| 第五节 小结 |
| 第五章 自动化生产过程在线质量智能诊断框架与应用 |
| 第一节 在线质量智能诊断框架的构建 |
| 一 在线质量智能诊断框架 |
| 二 诊断框架的工作流程 |
| 第二节 精密轴自动化加工过程在线智能监控与诊断 |
| 一 应用背景介绍 |
| 二 智能诊断框架的离线训练与测试 |
| 三 精密轴专家诊断知识库的构建 |
| 四 在线监控与诊断 |
| 第三节 小结 |
| 第六章 结论与展望 |
| 第一节 本文结论 |
| 第二节 进一步展望 |
| 参考文献 |
| 个人简历、在学期间发表的学术论文与研究成果 |
| 个人简历 |
| 在学期间发表的学术论文 |
| 研究成果 |
| 致谢 |
四、基于模糊推理的质量诊断专家系统的设计（论文参考文献）
- [1]A公司制造过程质量智能控制改进研究[D]. 杨沛锦. 西安理工大学, 2021(01)
- [2]基于深度学习的视频监控质量诊断研究[D]. 赵志鹏. 昆明理工大学, 2020(05)
- [3]以提升保教实施质量为导向的大班幼儿发展评价的行动研究 ——以学习习惯领域评价为例[D]. 范智毅. 上海师范大学, 2020(07)
- [4]基于产品基因的建材装备制造过程质量控制方法研究[D]. 许文祥. 武汉理工大学, 2019
- [5]信息不完备条件下工序质量诊断方法研究[D]. 李金艳. 浙江大学, 2018(06)
- [6]废旧机床再制造过程质量控制方法研究[D]. 代明明. 沈阳工业大学, 2017(08)
- [7]多品种小批量质量控制决策系统研究[D]. 邓健. 西安工业大学, 2016(02)
- [8]基于MES的机加车间制造过程工序质量控制方法与系统研究[D]. 赵双凤. 重庆大学, 2016(03)
- [9]基于神经网络的烟草制丝工序质量诊断技术研究[D]. 李宁. 浙江理工大学, 2016(04)
- [10]基于模式识别的自动化生产过程质量智能诊断研究[D]. 周昊飞. 郑州大学, 2016(03)