數(shù)字化加工過程質(zhì)量控制方法與技術(shù)

《21世紀先進制造技術(shù)叢書》序
前言
第1章 緒論
1.1 數(shù)字化加工過程質(zhì)量控制概述
1.1.1 數(shù)字化加工多源多工序過程質(zhì)量控制的提出
1.1.2 數(shù)字化加工多源多工序過程質(zhì)量控制的特征與內(nèi)涵
1.2 數(shù)字化加工過程閉環(huán)質(zhì)量控制
1.2.1 數(shù)字化加工過程的穩(wěn)態(tài)生產(chǎn)要求
1.2.2 數(shù)字化加工過程質(zhì)量控制的閉環(huán)流程
1.3 數(shù)字化加工過程質(zhì)量控制穩(wěn)態(tài)的實現(xiàn)模式
1.3.1 多源多工序過程質(zhì)量控制體系結(jié)構(gòu)
1.3.2 多源多工序過程質(zhì)量控制實現(xiàn)框架與執(zhí)行邏輯
1.4 實現(xiàn)多源多工序過程質(zhì)量控制的關(guān)鍵技術(shù)
1.4.1 數(shù)字化加工的工序流配置技術(shù)
1.4.2 面向工序流的數(shù)字檢測傳感網(wǎng)絡(luò)
1.4.3 工序流誤差傳遞建模與關(guān)鍵工序結(jié)點識別技術(shù)
1.4.4 工序結(jié)點質(zhì)量穩(wěn)態(tài)控制技術(shù)
1.4.5 工序流質(zhì)量實時跟蹤技術(shù)
1.4.6 工序流質(zhì)量變化管理技術(shù)
1.4.7 加工質(zhì)量缺陷診斷與設(shè)備健康維護技術(shù)
第2章 數(shù)字化加工的工序流配置
2.1 多工藝路線規(guī)劃
2.1.1 數(shù)字化加工的多工序流規(guī)劃策略
2.1.2 多工藝路線規(guī)劃數(shù)學模型
2.1.3 基于蟻群算法的多工藝路線求解
2.1.4 基于蟻群算法的非線性多工藝路線規(guī)劃實例
2.2 工序公差的優(yōu)化分配
2.2.1 多工序多特征公差優(yōu)化思路
2.2.2 特征成本函數(shù)構(gòu)建
2.2.3 基于ATC的工序公差優(yōu)化求解
2.3 工序流配置建模與優(yōu)化
2.3.1 面向多工序流的零件聚類分析思路
2.3.2 基于加權(quán)有向圖的零件工藝描述模型
2.3.3 基于群體智能算法的工序流優(yōu)化
2.3.4 實例分析
2.4 本章小結(jié)
第3章 數(shù)字化測量與傳感網(wǎng)絡(luò)
3.1 數(shù)字化加工過程多源質(zhì)量數(shù)據(jù)的獲取方法
3.1.1 數(shù)字化加工過程閉環(huán)質(zhì)量控制的數(shù)據(jù)需求特點
3.1.2 數(shù)字化檢測傳感網(wǎng)絡(luò)的提出
3.2 數(shù)字檢測儀器的配置
3.2.1 基于零件加工特征的檢測儀器配置框架
3.2.2 零件加工特征網(wǎng)絡(luò)分析
3.2.3 檢測儀器配置空間建模
3.2.4 基于本體的檢測儀器配置
3.3 工序物流信息的RFID讀寫器配置
3.3.1 RFID數(shù)據(jù)采集網(wǎng)絡(luò)設(shè)計
3.3.2 RFD數(shù)據(jù)獲取預(yù)處理
3.4 數(shù)字檢測傳感網(wǎng)絡(luò)性能評價
3.4.1 數(shù)字檢測傳感網(wǎng)絡(luò)模型
3.4.2 基于復(fù)雜網(wǎng)絡(luò)理論的數(shù)字檢測傳感網(wǎng)絡(luò)性能分析
3.5 工序尺寸數(shù)據(jù)在線測量技術(shù)
3.5.1 數(shù)控加工軸外徑在線測量系統(tǒng)組成
3.5.2 測量系統(tǒng)設(shè)計與試驗平臺搭建
3.S.3 測量系統(tǒng)誤差評定
3.6 葉片類復(fù)雜曲面零件的測量儀研制及其加工誤差評定
3.6.1 基于Keyence激光傳感器的數(shù)控測量儀
3.6.2 測量儀誤差測定與補償
3.6.3 葉片類復(fù)雜零件的測量路徑規(guī)劃
3.6.4 葉片型線數(shù)字化建模
3.6.5 葉片型線理論曲線與測量曲線的誤差比對分析
3.6.6 葉片型線加工誤差評估
3.7 本章小結(jié)
第4章 工序誤差傳遞建模與解算
4.1 多源多工序誤差傳遞網(wǎng)絡(luò)基本概念
4.1.1 誤差傳遞網(wǎng)絡(luò)的提出
4.1.2 誤差傳遞網(wǎng)絡(luò)構(gòu)建思想
4.2 誤差傳遞網(wǎng)絡(luò)建模
4.2.1 誤差傳遞網(wǎng)絡(luò)建模原理
4.2.2 誤差傳遞網(wǎng)絡(luò)建模步驟
4.2.3 誤差傳遞網(wǎng)絡(luò)生成
4.3 誤差傳遞網(wǎng)絡(luò)特性量測
4.3.1 網(wǎng)絡(luò)基本特性定義
4.3.2 網(wǎng)絡(luò)傳遞效應(yīng)量測
4.4 誤差傳遞網(wǎng)絡(luò)實證分析
4.4.1 發(fā)射架箱體零件加工誤差傳遞網(wǎng)絡(luò)構(gòu)建
4.4.2 小世界效應(yīng)驗證
4.4.3 網(wǎng)絡(luò)特性分析
4.5 基于誤差傳遞網(wǎng)絡(luò)的工序流波動效應(yīng)評價
4.5.1 工序流波動分析的基本原理
4.5.2 波動傳遞模型與波動傳遞網(wǎng)絡(luò)構(gòu)建
4.5.3 波動源評價與辨識
4.5.4 實例分析
4.6 本章小結(jié)
第5章 數(shù)字化加工的質(zhì)量穩(wěn)態(tài)控制
5.1 數(shù)字化加工過程質(zhì)量穩(wěn)態(tài)控制概述
5.1.1 基于（近）零缺陷的穩(wěn)態(tài)生產(chǎn)過程
5.1.2 零缺陷穩(wěn)態(tài)生產(chǎn)過程的實現(xiàn)方法
5.2 多種生產(chǎn)模式下的工序質(zhì)量控制方法
5.2.1 大批量生產(chǎn)模式的工序質(zhì)量控制圖
5.2.2 大規(guī)模定制生產(chǎn)模式下的工序質(zhì)量控制圖
5.2.3 小批量生產(chǎn)模式下的工序質(zhì)量控制圖
5.3 基于神經(jīng)網(wǎng)絡(luò)-數(shù)值擬合的控制圖模式識別
5.3.1 工序控制圖的基本模式
5.3.2 控制圖模式識別的神經(jīng)網(wǎng)絡(luò)-數(shù)值擬合模型
5.3.3 控制圖模式識別過程訓練與仿真
5.4 基于小波理論的工序質(zhì)量監(jiān)控與診斷集成
5.4.1 工序質(zhì)量監(jiān)控與診斷集成框架
5.4.2 基于小波多尺度理論的工序質(zhì)量監(jiān)控
5.4.3 基于信號融合的工序質(zhì)量診斷
5.5 工序流過程能力評價
5.5.1 工序流波動軌跡圖
5.5.2 基于合格率的多工序能力指數(shù)模型
5.5.3 實例分析
5.6 本章小結(jié)
第6章 基于設(shè)備e-QC模型的工件加工質(zhì)量跟蹤
6.1 基于設(shè)備e-QC模型的工件中工質(zhì)量跟蹤概述
6.1.1 加工過程質(zhì)量信息的實時性需求分析
6.1.2 基于設(shè)備e-Qc模型的加工過程質(zhì)量信息跟蹤邏輯實現(xiàn)架構(gòu)
6.2 面向加工設(shè)備的e-QC結(jié)點模型
6.2.I e-QC結(jié)點模型的圖式概念描述
6.2.2 e-QC結(jié)點模型的組成要素界定
6.2.3 e-QC結(jié)點的參考實現(xiàn)框架
6.2.4 實例分析
6.3 工件質(zhì)量信息共享控制方法
6.3.1 質(zhì)量信息共享基本概念
6.3.2 質(zhì)量信息共享控制數(shù)學描述
6.3.3 質(zhì)量信息共享控制實現(xiàn)算法
6.4 基于TIT網(wǎng)絡(luò)的工件質(zhì)量信息跟蹤的實現(xiàn)
6.4.1 模板及模板結(jié)構(gòu)樹
6.4.2 模板實例的動態(tài)更新
6.4.3 基于TIT網(wǎng)絡(luò)的工序質(zhì)量信息跟蹤實現(xiàn)算法
6.4.4 實例分析
6.5 本章小結(jié)
第7章 數(shù)字化加工的工件質(zhì)量變化管理
7.1 工件質(zhì)量變化管理理念及其實現(xiàn)框架
7.1.1 工件質(zhì)量變化管理相關(guān)概念
7.1.2 工件質(zhì)量變化管理體系結(jié)構(gòu)
7.2 基于Blog平臺的工件質(zhì)量控制知識管理
7.2.1 基于Blog平臺的工件質(zhì)量控制知識管理系統(tǒng)架構(gòu)
7.2.2 基于情境的質(zhì)量控制知識模型
7.2.3 基于情境的質(zhì)量控制知識本體建模
7.2.4 基于情境的質(zhì)量知識檢索與推送
7.3 工件加工誤差的可視化評估與綜合分析
7.3.1 基于質(zhì)量控制工具集成的工件加工誤差可視化評估
7.3.2 工件關(guān)聯(lián)工序質(zhì)量特性變化的回歸分析
7.4 基于加權(quán)誤差傳遞網(wǎng)絡(luò)的工件質(zhì)量變化預(yù)測
7.4.1 加權(quán)誤差傳遞網(wǎng)絡(luò)建模原理
7.4.2 加權(quán)誤差傳遞網(wǎng)絡(luò)的形成
7.4.3 工件質(zhì)量變化預(yù)測
7.5 本章小結(jié)
第8章 數(shù)字化加工的誤差溯源
8.1 數(shù)字化機械加工誤差溯源概述
8.1.1 數(shù)字化機械加工誤差及其誤差源分類
8.1.2 數(shù)字化機械加工誤差溯源基本原理
8.2 數(shù)字化機械加工過程質(zhì)量智能診斷領(lǐng)域本體建模
8.2.1 數(shù)字化機械加工過程智能診斷模型
8.2.2 數(shù)字化機械加工過程質(zhì)量診斷領(lǐng)域本體的層次結(jié)構(gòu)
8.2.3 領(lǐng)域本體建立與層次結(jié)構(gòu)實現(xiàn)
8.3 基于粗糙集的質(zhì)量診斷知識庫建立
8.3.1 診斷知識的分類與獲取
8.3.2 基于粗糙集的控制圖異常診斷規(guī)則提取
8.3.3 診斷規(guī)則知識的形成
8.4 數(shù)字化機械加工過程質(zhì)量異常智能診斷決策
8.4.1 質(zhì)量異常診斷決策原理
8.4.2 質(zhì)量異常診斷決策實現(xiàn)
8.4.3 實例分析
8.5 基于支持向量機的工序質(zhì)量異常診斷
8.5.1 數(shù)字化切削加工過程的監(jiān)控狀態(tài)量
8.5.2 數(shù)字化切削加工過程狀態(tài)信號特征提取
8.5.3 支持向量機的異常狀態(tài)編碼與診斷過程實現(xiàn)
8.6 本章小結(jié)
第9章 數(shù)字化加工的設(shè)備健康維護
9.1 基于Logistic回歸的設(shè)備綜合故障概率指標
9.1.1 設(shè)備服役性能分析與維護原理
9.1.2 Logistic回歸模型
9.1.3 設(shè)備綜合故障概率指標定義及計算
9.2 數(shù)控設(shè)備服役性能分析與預(yù)測
9.2.1 基于SVR的設(shè)備服役壽命預(yù)測
9.2.2 基于蒙特卡羅仿真試驗與結(jié)果分析
9.3 設(shè)備群性能退化與維護建模
9.3.1 設(shè)備退化模型的建立
9.3.2 基于視情維護的多裝備聯(lián)合決策模型
9.4 基于蒙特卡羅仿真的維護決策過程求解
9.4.1 設(shè)備退化與維護過程模擬
9.4.2 設(shè)備狀態(tài)檢查過程
9.4.3 備件庫存量模型
9.4.4 期望費用的計算
9.4.5 實例分析
9.5 本章小結(jié)
參考文獻