| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 本课题研究学术背景及意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.2.1 矿井机车无人驾驶系统研究现状 | 第17-19页 |
| 1.2.2 机车故障诊断技术研究现状 | 第19页 |
| 1.3 常用故障诊断分析方法 | 第19-21页 |
| 1.4 本文研究的主要内容 | 第21-23页 |
| 1.4.1 项目来源 | 第21页 |
| 1.4.2 研究内容及组织结构 | 第21-23页 |
| 第二章 自适应模糊故障PETRI网模型构建 | 第23-36页 |
| 2.1 PETRI网基本定义 | 第23-24页 |
| 2.2 模糊故障PETRI网模型 | 第24-31页 |
| 2.2.1 模糊故障PETRI网基本概念 | 第24-25页 |
| 2.2.2 网模型模糊化分析 | 第25-28页 |
| 2.2.3 网模型元器件失效率分析 | 第28-29页 |
| 2.2.4 模糊故障PETRI网分析方法 | 第29-31页 |
| 2.3 自适应模糊故障PETRI网模型 | 第31-33页 |
| 2.3.1 自适应模糊故障PETRI网的模型建立 | 第31-32页 |
| 2.3.2 自适应模糊故障PETRI网模型的转换 | 第32-33页 |
| 2.4 AFFPN模型的故障推理与诊断 | 第33-35页 |
| 2.4.1 AFFPN模型的故障推理方法 | 第33-34页 |
| 2.4.2 AFFPN模型的故障诊断方法 | 第34-35页 |
| 2.5 本章小节 | 第35-36页 |
| 第三章 自适应参数优化设计 | 第36-48页 |
| 3.1 粒子群算法设计 | 第36-39页 |
| 3.1.1 基本粒子群优化算法 | 第36-37页 |
| 3.1.2 改进的粒子群算法 | 第37-39页 |
| 3.2 改进粒子群算法与AFFPN的结合 | 第39-42页 |
| 3.2.1 模型AFFPN参数优化方法 | 第39-41页 |
| 3.2.2 算法初始值的设定 | 第41-42页 |
| 3.3 参数优化设计步骤 | 第42-43页 |
| 3.4 算法验证示例 | 第43-47页 |
| 3.5 本章小节 | 第47-48页 |
| 第四章 矿井机车无人驾驶系统故障分析及建模 | 第48-63页 |
| 4.1 矿井机车无人驾驶系统结构及工作原理 | 第48-50页 |
| 4.1.1 系统故障分层分析方法 | 第48页 |
| 4.1.2 矿井机车无人驾驶系统的功能结构及运行模式 | 第48-50页 |
| 4.2 矿井机车无人驾驶系统故障分析 | 第50-55页 |
| 4.2.1 通讯故障分析 | 第51-52页 |
| 4.2.2 机车控制部分故障分析 | 第52-53页 |
| 4.2.3 变频器驱动部分故障分析 | 第53-54页 |
| 4.2.4 电源故障分析 | 第54-55页 |
| 4.3 矿井机车AFFPN模型的建立 | 第55-62页 |
| 4.3.1 通讯系统AFFPN模型建立 | 第55-57页 |
| 4.3.2 机车控制系统AFFPN模型建立 | 第57-58页 |
| 4.3.3 变频器控制系统AFFPN模型建立 | 第58-61页 |
| 4.3.4 电源系统AFFPN模型建立 | 第61-62页 |
| 4.4 本章小节 | 第62-63页 |
| 第五章 矿井机车故障模型仿真分析 | 第63-75页 |
| 5.1 参数优化算法仿真分析 | 第63-67页 |
| 5.1.1 改进的粒子群算法样本训练收敛性分析 | 第63-66页 |
| 5.1.2 算法参数对收敛性的影响分析 | 第66-67页 |
| 5.2 矿井机车模型故障推理与诊断 | 第67-74页 |
| 5.2.1 通讯模型故障推理诊断 | 第67-71页 |
| 5.2.2 矿井机车其他系统常见故障推理与诊断 | 第71-74页 |
| 5.3 本章小节 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 工作总结 | 第75页 |
| 6.2 不足与展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 攻读学位期间的学术活动及成果清单 | 第80-81页 |