汽车产品审核系统中人工智能技术的应用研究

发布时间：2023-09-13 20:58

　　汽车产品审核系统(APAS)是确保产品质量稳定、实现顾客满意的重要手段,在汽车制造企业中起着越来越重要的作用。随着经济全球化的深入发展,APAS呈现系统复杂、变更速度快、不确定性因素多、信息种类繁多、数据量庞大等特点,传统的审核方法和审核技术并不能很好地胜任这种系统,因而研究APAS的新方法和新技术具有重大的现实和经济意义。人工智能技术能够为新形势下的APAS提供各种优秀的求解算法,面向服务架构则可以为企业的软件应用提供良好的体系架构。本文主要针对人工智能技术和面向服务架构在产品审核领域中的应用展开研究,主要工作如下: 1.论述了汽车制造领域产品审核的概念和国内外动态,阐述了APAS的定义、国内外动态和发展趋势,分析了当前APAS的特点和不足,提出了将人工智能技术和面向服务思想应用到APAS中——智能APAS(IAPAS)的新思路。 2.研究了基于本体的IAPAS信息抽取技术。根据产品审核系统中信息资源的特点以及智能计算的信息需求,创建了基于本体技术的信息抽取系统;论述了信息抽取系统几个关键技术,即领域本体、任务本体、规则本体和评价指标的构建和应用;实施了一个信息抽取实例,验证了信息抽...

【文章页数】：191 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 引言
    1.2 汽车产品审核综述
        1.2.1 汽车产品审核概述
        1.2.2 汽车产品审核的国内外动态
    1.3 汽车产品审核系统综述
        1.3.1 汽车产品审核系统的定义
        1.3.2 汽车产品审核系统的国内外动态
        1.3.3 汽车产品审核系统的发展趋势
    1.4 汽车产品审核系统对人工智能技术的需求
    1.5 课题来源及研究内容与研究路线
        1.5.1 课题来源
        1.5.2 研究内容
        1.5.3 研究路线
第二章 基于本体的产品审核系统信息抽取技术研究
    1.6 IAPAS 的信息抽取分析
    1.7 IAPAS 信息抽取系统
        1.7.1 本体在IAPAS 信息抽取中的作用
        1.7.2 基于本体的IAPAS 信息抽取系统
    1.8 面向信息抽取的本体开发
        1.8.1 IAPAS 的三种本体
        1.8.2 IAPAS 领域本体的建立
            1.8.2.1 IAPAS 领域本体的构建方法
            1.8.2.2 IAPAS 领域本体的框架
            1.8.2.3 IAPAS 领域本体的概念和关系
        1.8.3 IAPAS 任务本体的建立
        1.8.4 IAPAS 规则本体的建立
    1.9 IAPAS 信息抽取的评价指标
    1.10 IAPAS 任务本体的分解、抽取和合成
    1.11 IAPAS 信息抽取实例
    1.12 本章小结
第三章 汽车产品审核中智能缺陷评价技术的研究
    1.13 产品审核系统中的缺陷评价技术
    1.14 单项缺陷智能评价技术研究
        1.14.1 单项缺陷智能评价系统
        1.14.2 基于分级混合神经网络的智能评价技术
            1.14.2.1 问题建模
            1.14.2.2 HHNN 的前向求解
            1.14.2.3 HHNN 的反向学习
            1.14.2.4 HHNN 的学习率
            1.14.2.5 HHNN 与FNN 及MBP、BPNN 的比较
            1.14.2.6 智能评价实例
    1.15 整车质量缺陷水平智能评价技术研究
        1.15.1 整车质量缺陷水平智能评价系统
        1.15.2 改进的熵权系数法及实例
            1.15.2.1 改进的熵权系数法的基本步骤
            1.15.2.2 改进的熵权系数法的讨论
            1.15.2.3 改进的熵权系数法的实例
        1.15.3 模糊综合评判法及实例
            1.15.3.1 模糊综合评判法的基本步骤
            1.15.3.2 模糊综合评判法的实例
        1.15.4 权值和高斯函数参数确定方法的讨论
            1.15.4.1 优化的目标函数
            1.15.4.2 ACO_R 算法
            1.15.4.3 ACO_R 算法实例
    1.16 本章小结
第四章 基于PAFMEA 的汽车缺陷分析及纠正措施决策
    1.17 产品审核中的缺陷分析及纠正措施决策方法
    1.18 基于PAFMEA 的汽车缺陷分析
        1.18.1 系统定义及功能结构图
        1.18.2 失效模式及FMEA 表
        1.18.3 失效的严重度、发生频度和探测度
        1.18.4 评价失效的严重程度
        1.18.5 纠正措施及FMEA 表
        1.18.6 纠正措施决策
    1.19 基于多目标优化的纠正措施决策
        1.19.1 问题建模
        1.19.2 问题选用的算法
        1.19.3 算法的数据准备
        1.19.4 纠正措施决策的实例
    1.20 一种自适应混合变量多目标蚁群优化算法的研究
        1.20.1 ACO_MV 算法
        1.20.2 MOACO_MV 算法
        1.20.3 SAMOACO_MV 算法
        1.20.4 SAMOACO_MV 算法实验及性能分析
    1.21 本章小结
第五章 基于灰色－神经网络组合预测模型的成本预测
    1.22 预测方法
        1.22.1 预测方法概述
        1.22.2 组合预测及预测效果评价指标
    1.23 灰色－神经网络组合预测模型
        1.23.1 灰色－神经网络组合预测模型的技术路线
        1.23.2 灰色预测模型
        1.23.3 神经网络预测模型
    1.24 组合预测实例
        1.24.1 时间序列
        1.24.2 预测实例
            1.24.2.1 预测实例1—时间序列类型Ⅰ预测
            1.24.2.2 预测实例2—时间序列类型Ⅱ预测
            1.24.2.3 预测实例3—时间序列类型Ⅲ预测
    1.25 本章小结
第六章 基于SCA 的企业软件应用框架及IAPAS 实践
    1.26 企业软件应用抽象功能模型
    1.27 基于SCA 的企业软件应用框架
        1.27.1 SCA 规范
        1.27.2 基于SCA 的企业软件应用系统框架
    1.28 基于SCA 框架的软件应用开发
        1.28.1 基于SCA 框架的企业软件应用系统开发流程
        1.28.2 组合件开发
        1.28.3 基于SCA 框架的软件应用开发实例
    1.29 IAPAS 原型系统开发
        1.29.1 系统功能需求
        1.29.2 系统运行需求
        1.29.3 系统实现
            1.29.3.1 系统服务构成
            1.29.3.2 任务管理服务
            1.29.3.3 缺陷评价管理服务
            1.29.3.4 纠正措施管理服务
            1.29.3.5 费用管理服务
        1.29.4 系统应用效果
    1.30 本章小结
第七章 总结与展望
    1.31 全文工作总结
    1.32 后续研究与展望
参考文献
致谢
在学期间的研究成果及发表的学术论文
附录A “缺陷状况描述”资源文件
附录B “缺陷状况描述”领域本体owl 代码
附录C “缺陷状况描述”任务本体owl 代码
附录D “缺陷状况描述”规则本体owl 代码
附录E “缺陷状况描述”任务本体实例owl 代码
附录F SAMOACO_MV 算法实验
附录G 基于SCA 规范的ACOr_Composite 组装文档
附录H 基于SCA 规范的ACO_Appliaction 组装文档
附录I 基于SCA 规范的IAPAS_Appliaction 组装文档
附录J IAPAS 原型系统企业应用证明



本文编号：3845888