產(chǎn)品的質(zhì)量水平高低是影響一個國家經(jīng)濟(jì)發(fā)展和國際市場競爭力的重要因素。產(chǎn)品質(zhì)量、制造過程質(zhì)量、服務(wù)質(zhì)量問題近年來日益得到我國政府和廣大公眾的關(guān)注和重視。
《制造過程質(zhì)量異常診斷的智能方法研究》對制造過程質(zhì)量異常診斷的智能方法進(jìn)行了研究，主要內(nèi)容涵涵蓋基于PNN的制造過程質(zhì)量診斷、基于LS-SVM的小樣本過程質(zhì)量診斷、基于Cuscore統(tǒng)計(jì)量的過程質(zhì)量智能診斷、多元過程質(zhì)量智能診斷與異常變量識別等。
《制造過程質(zhì)量異常診斷的智能方法研究》結(jié)構(gòu)合理，條理清晰，內(nèi)容豐富新穎，可供從事納米材料研究的相關(guān)人員參考使用。
第1章 緒論
1．1 質(zhì)量診斷技術(shù)的研究意義
1．2 質(zhì)量診斷
1．3 質(zhì)量診斷技術(shù)的發(fā)展及國內(nèi)外研究現(xiàn)狀
1．4 本書的研究內(nèi)容、結(jié)構(gòu)和研究方法
第2章 基于PNN的制造過程質(zhì)量診斷
2．1 過程異常與控制圖的使用
2．2 控制圖模式識別問題
2．3 神經(jīng)網(wǎng)絡(luò)與控制圖模式識別
2．4 基于PNN控制圖模式識別的過程異常診斷
2．5 本章小結(jié)
第3章 基于LS-SVM的小樣本過程質(zhì)量診斷
3．1 制造過程的小樣本質(zhì)量診斷問題
3．2 有限樣本條件下的統(tǒng)計(jì)學(xué)習(xí)理論
3．3 支持向量機(jī)理論
3．4 基于LS-SVM控制圖模式識別的過程異常診斷
3．5 基于智能進(jìn)化算法和LS-SVM的過程異常診斷技術(shù)
3．6 本章小結(jié)
第4章 基于Cuscore統(tǒng)計(jì)量的過程質(zhì)量智能診斷
4．1 Cuscore統(tǒng)計(jì)量與過程異常診斷問題
4．2 cuscore統(tǒng)計(jì)量對于非線性預(yù)期異常信號的診斷性能
4．3 解決Cuscore圖失配問題的智能變點(diǎn)模型
4．4 本章小結(jié)
第5章 多元過程質(zhì)量智能診斷與異常變量識別
5．1 多元過程質(zhì)量診斷問題
5．2 多元統(tǒng)計(jì)過程控制圖
5．3 多元過程均值異常診斷與變量識別的智能診斷模型
5．4 多元過程散度異常診斷與變量識別的智能模型
5．5 本章小結(jié)
第6章 總結(jié)與展望
6．1 研究內(nèi)容總結(jié)
6．2 展望
附錄 以第一作者身份發(fā)表的主要學(xué)術(shù)論文
參考文獻(xiàn)
后記
書單推薦
