2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩60頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著世界經(jīng)濟的全球化,企業(yè)對產(chǎn)品制造過程中的質(zhì)量控制日益重視。質(zhì)量診斷是質(zhì)量控制過程中的重要環(huán)節(jié),及時、準(zhǔn)確地發(fā)現(xiàn)過程質(zhì)量異常,并定位引起質(zhì)量異常的質(zhì)量影響因素,能夠有效提高產(chǎn)品質(zhì)量,減少質(zhì)量缺陷,對提高企業(yè)市場競爭力具有十分重要的意義。
  通過對制造過程質(zhì)量異常診斷過程分析,建立了制造過程質(zhì)量異常診斷體系框架;對該框架下的質(zhì)量診斷知識的表達、控制圖模式識別和質(zhì)量異常診斷等關(guān)鍵技術(shù)進行了分析。
  基于本體論對質(zhì)量診斷知識

2、進行知識表達,結(jié)合粗糙集理論對質(zhì)量診斷知識中的質(zhì)量特性知識與質(zhì)量影響因素之間的關(guān)系進行分析,從而建立產(chǎn)品質(zhì)量診斷知識庫,為質(zhì)量控制圖模式識別和質(zhì)量診斷提供依據(jù)。
  通過對控制圖模式分析,將控制圖的統(tǒng)計特征與形狀特征進行融合,并以其作為控制圖模式分類的統(tǒng)計量;構(gòu)造基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)分類模型,對控制圖的正常模式與異常模式進行識別;通過Monte Carlo仿真,驗證了該方法在小樣本條件下,具有較強的泛化能力和較高的識別精度。

3、
  通過控制圖的有效控制,可以實現(xiàn)對制造過程質(zhì)量的實時監(jiān)控;針對控制圖模式發(fā)生異常問題,在分析貝葉斯網(wǎng)絡(luò)推理基礎(chǔ)上,構(gòu)建了貝葉斯故障診斷網(wǎng)絡(luò),實現(xiàn)制造過程質(zhì)量異常的診斷,發(fā)現(xiàn)引起質(zhì)量異常的因素。
  以活塞桿外圓精磨工序為例,分析該工序所包含的質(zhì)量診斷知識,建立質(zhì)量診斷知識庫;結(jié)合建立的控制圖模式識別方法,實現(xiàn)精磨外圓尺寸值的有效監(jiān)控;利用貝葉斯網(wǎng)絡(luò)質(zhì)量診斷模型,當(dāng)活塞桿外圓精磨尺寸出現(xiàn)異常時,推理引起質(zhì)量故障的異常因素。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論