声明
摘要
第1章 绪论
1.1 研究背景及意义
1.2 复杂生产过程质量控制的特点
1.3 过程质量控制的方法研究现状
1.3.1 过程故障检测方法的研究
1.3.2 质量控制图异常模式识别的研究
1.3.3 过程质量预测控制的研究
1.3.4 虚拟过程质量控制系统的研究
1.4 过程质量控制的智能优化方法研究现状
1.4.1 人工智能算法的研究现状
1.4.2 智能算法在复杂生产过程质量控制中的研究现状
1.5 本文的研究内容及技术路线
第2章 过程质量控制理论及智能算法
2.1 引言
2.2 过程质量控制
2.2.1 过程质量控制的概念及其质量描述
2.2.2 过程质量控制技术
2.3 支持向量机基本理论
2.3.1 统计学习理论
2.3.2 支持向量机分类机
2.3.3 支持向量机回归机
2.3.4 常用核函数及特点
2.4 粒子群算法
2.4.1 基本粒子群算法
2.4.2 改进粒子群算法
2.5 本章小结
第3章 基于小波包和核主元分析的过程故障检测研究
3.1 引言
3.2 基于小波包和核主元故障检测方法
3.2.1 小波包分析
3.2.2 基于核主元分析(KPCA)的故障检测方法
3.2.3 基于小波包和核主元故障检测方法
3.3 算例分析
3.3.1 数值算例分析
3.3.2 TE过程的仿真与分析
3.4 本章小结
第4章 基于支持向量机的质量控制图模式识别研究
4.1 引言
4.2 控制图模式类型及样本数据产生
4.2.1 控制图模式类型
4.2.2 过程样本数据的产生
4.3 控制图模式识别特征提取
4.3.1 样本数据的统计特征和形状特征提取
4.3.2 基于PCA的二次特征提取
4.4 基于自适应粒子群算法-多分类支持向量机的控制图分类
4.4.1 多分类支持向量机
4.4.2 基于自适应粒子群算法的SVM参数优化
4.4.3 基于PCA_SVM_AMPSO的控制图混合模式识别算法实现
4.5 质量控制图模式识别仿真实验
4.5.1 模型参数设置
4.5.2 实验1:不同分类方法的比较研究
4.5.3 实验2:不同特征提取方法的比较研究
4.5.4 实验3:RBF核函数参数优化
4.6 本章小结
第5章 一种基于局部模型的多工况过程质量预测方法
5.1 引言
5.2 聚类算法
5.2.1 聚类算法的分类
5.2.2 K均值聚类方法
5.3 基于支持向量机回归(SVR)的多模型质量预测
5.3.1 支持向量机回归原理
5.3.2 基于改进粒子群算法的局部模型加权
5.3.3 多模型建模
5.4 仿真实例
5.4.1 TE过程简介
5.4.2 TE正常模式研究
5.5 本章小结
第6章 复杂生产过程虚拟质量控制系统
6.1 引言
6.2 虚拟仿真质量控制理论与Arena仿真概述
6.2.1 虚拟仿真技术原理与应用
6.2.2 Arena软件与模块介绍
6.3 沥青混合料级配生产过程质量控制建模分析
6.3.1 沥青混合料级配过程模型
6.3.2 级配控制数据输入子模型
6.3.3 控制子模型
6.3.4 优化子模型
6.4 沥青混合料级配生产过程质量控制Arena建模研究
6.4.1 Input子系统
6.4.2 Control-Optimization子系统
6.4.3 Output子系统
6.5 仿真实例实现、评估与优化
6.5.1 输入数据及参数
6.5.2 试验结果及分析
6.6 本章小结
结论与展望
致谢
参考文献
攻读博士学位期间发表的论文及参加的课题