声明
摘要
第1章 绪论
1.1 课题研究的背景和意义
1.2 国内外研究现状
1.2.1 车间生产异常发现技术
1.2.2 制造大数据存储
1.2.3 深度神经网络方法
1.3 课题的来源及研究内容
1.3.1 课题来源
1.3.2 课题的主要研究内容
1.4 本文的组织结构与章节安排
第2章 智能车间生产异常发现与处理系统架构设计
2.1 MES与智能车间异常发现及处理系统
2.2 制造大数据的优化存储
2.3 车间生产异常智能发现与处理方法
2.4 本章小结
第3章 基于DNN的车间生产异常发现方法
3.1 异常影响因素分析
3.1.1 影响指标的分类
3.1.2 影响指标的量化方法
3.1.3 因素影响结果分析
3.2 DNN预测模型的建立
3.2.1 稀疏自编码器的构建
3.2.2 时序型多Softmax分类器构建
3.2.3 深度神经网络构建
3.2.4 输出处理
3.3 案例验证
3.4 本章小结
第4章 智能车间生产异常分析与处理方法
4.1.1 时空类影响因素相关性分析
4.1.2 静态类影响因素相关性分析
4.1.3 动态类影响因素相关性分析
4.1.4 异常影响因素的综合分析
4.2 基于DNN的生产设备高效维护
4.2.1 刀具剩余寿命预测方法
4.2.2 刀具磨损状态监控分析技术
4.2.3 基于深度神经网络的预测模型
4.2.4 案例验证
4.3 工序、人员等异常关联实体的高效维护
4.3.1 基于关键路径分析的偏离工序处理
4.3.2 与人员及其他实体相关的异常影响因素处理
4.4 本章小结
第5章 智能车间生产异常发现与处理系统实现
5.1 系统概述
5.2 系统设计
5.2.1 架构设计
5.2.2 模块设计
5.3 系统实现
5.3.1 计划制定与任务管理模块
5.3.2 异常发现与处理模块
5.3.3 数据存储与控制交互模块
5.4 本章小结
结论
参考文献
攻读硕士学位期间所发表的学术论文
致谢