论文目录 | |
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文结构安排 | 第11-12页 |
| 第二章 统计过程控制与控制图 | 第12-21页 |
| 2.1 统计过程控制概述 | 第12-13页 |
| 2.2 几种常用控制图基本原理及应用准则 | 第13-17页 |
| 2.2.1 常规控制图 | 第13-15页 |
| 2.2.2 CUSUM控制图 | 第15-16页 |
| 2.2.3 EWMA控制图 | 第16-17页 |
| 2.3 控制图评价标准-ARL | 第17-20页 |
| 2.3.1 两类错误 | 第17-18页 |
| 2.3.2 平均运行长度 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 自相关过程控制图概述 | 第21-37页 |
| 3.1 自相关过程与识别 | 第21-25页 |
| 3.1.1 数据自相关及其影响 | 第21页 |
| 3.1.2 自相关过程的识别 | 第21-23页 |
| 3.1.3 平稳过程的相关函数 | 第23-25页 |
| 3.2 时间序列分析 | 第25-28页 |
| 3.2.1 常见的平稳时间序列模型 | 第25-26页 |
| 3.2.2 时间序列模型的识别 | 第26-28页 |
| 3.3 残差控制图 | 第28-30页 |
| 3.3.1 残差控制图原理 | 第28-29页 |
| 3.3.2 残差控制图实施步骤 | 第29-30页 |
| 3.4 残差CUSUM控制图 | 第30-31页 |
| 3.4.1 残差CUSUM控制图原理 | 第30页 |
| 3.4.2 残差CUSUM控制图实施步骤 | 第30-31页 |
| 3.5 数值实验 | 第31-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 BP神经网络对自相关过程控制的应用 | 第37-48页 |
| 4.1 神经网络原理概述 | 第37-40页 |
| 4.1.1 神经元模型 | 第37-39页 |
| 4.1.2 神经网络结构 | 第39页 |
| 4.1.3 神经网络学习算法 | 第39-40页 |
| 4.2 BP神经网络的原理及架构 | 第40-42页 |
| 4.3 BP神经网络应用于自相关过程控制中的设计 | 第42-45页 |
| 4.3.1 网络层次和结构的选取 | 第42-43页 |
| 4.3.2 网络训练 | 第43-45页 |
| 4.3.3 网络输出界定值 | 第45页 |
| 4.4 BP神经网络在自相关过程控制应用的性能评价 | 第45-47页 |
| 4.4.1 BP神经网络的识别率 | 第46页 |
| 4.4.2 BP神经网络识别自相关过程能力评价 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 改进的BP神经网络预测方法及偏移点位置确定 | 第48-58页 |
| 5.1 改进的BP神经网络 | 第48-53页 |
| 5.1.1 遗传算法基本理论 | 第48-49页 |
| 5.1.2 遗传算法优化BP神经网络 | 第49-52页 |
| 5.1.3 改进的BP神经网络识别自相关过程能力评价 | 第52-53页 |
| 5.2 偏移点确定方法 | 第53-55页 |
| 5.2.1 偏移点位置与改进的BP神经网络识别率的关系 | 第53-54页 |
| 5.2.2 偏移点位置的确定 | 第54-55页 |
| 5.3 数值实验 | 第55-57页 |
| 5.3.1 残差控制图和残差CUSUM控制图结果分析 | 第55-56页 |
| 5.3.2 BP神经网络和改进的BP神经网络结果分析 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
