声明
摘要
1.1.1 论文的研究背景
1.1.2 论文研究的意义
1.2 控制图识别国内外研究现状及发展趋势
1.3 小波分析的应用现状
1.4 论文研究的主要内容
1.5 本章小结
2 质量控制图异常模式
2.1 质量控制图的描述
2.2 统计控制图原理
2.2.1 正态分布的知识介绍
2.2.2 控制图的设计原理
2.3 控制图监控的两类错误
2.4 控制图对所处状态的判断准则
2.4.1 判断稳态的准则
2.4.2 判断异常的准则
2.4.3 接近完全合格率产品过程的判异准则
2.5 质量控制图模式
2.5.1 质量控制图基本模式
2.5.2 质量控制图混合异常模式
2.5.3 常见基本异常模式的识别方法
2.6 本章小结
3 神经网络识别控制图模式
3.1 神经网络基本理论
3.1.1 神经元模型
3.1.2 神经网络结构
3.2 BP网络
3.2.1 BP网络的结构
3.2.2 BP算法的数学描述
3.2.3 BP算法存在的缺陷
3.2.4 改进的BP算法
3.3 MATLAB神经网络工具箱介绍
3.3.1 MATLAB简介
3.3.2 MATLAB神经网络工具箱介绍
3.4 对混合异常模式识别的设计方案
3.5 本章小结
4 BP神经网络对基础异常模式的识别
4.1 控制图模式识别样本数据的产生
4.2 样本的选取原则
4.3 控制图基本模式样本数据产生
4.4 建立质量控制图模式识别模型
4.5 本章小结
5 基于小波分析的质量控制图混合异常模式识别
5.1 小波基础理论
5.1.2 小波变换的概念
5.1.3 小波提取特征的算法
5.2 特征提取小波函数的选择
5.2.1 常用小波函数
5.2.2 小波函数的选取
5.3 基于小波分析的控制图模式识别
5.3.1 DWNN控制图模式识别特点
5.3.2 DWNN控制图模式识别模型
5.4 DWNN模型识别分析
5.4.1 小波提取特征
5.4.2 小波分解函数以及重组系数的确定
5.5 识别效果对比
5.6 本章小结
6.1 总结
6.2 展望
参考文献
攻读硕士期间发表的论文及所取得的研究成果
致谢
附录