| 1 绪论 | 第1-13页 |
| ·选题背景 | 第8-9页 |
| ·矿井监测系统的国内外发展概况 | 第9-11页 |
| ·论文的主要工作 | 第11页 |
| ·论文的结构安排 | 第11-13页 |
| 2 煤矿监测系统结构及功能改进 | 第13-19页 |
| ·煤矿安全监测系统的基本构成及功能 | 第13-15页 |
| ·基于信息融合和现场总线的矿井检测系统 | 第15-19页 |
| 3 Bayes 融合技术的研究及其在监测系统中的应用 | 第19-30页 |
| ·多传感器信息融合技术概述 | 第19-25页 |
| ·信息融合技术的历史与现状 | 第19-20页 |
| ·多传感器信息融合的原理 | 第20-21页 |
| ·多传感器信息融合的过程 | 第21-22页 |
| ·信息融合的结构 | 第22-24页 |
| ·信息融合的方法分类 | 第24-25页 |
| ·由Bayes 估计理论推导最优融合数据 | 第25-26页 |
| ·Bayes 估计理论 | 第25页 |
| ·由Bayes 估计理论推导最优融合数据 | 第25-26页 |
| ·Bayes 估计理论在监测系统中的应用 | 第26-30页 |
| 4 Elman 神经网络的改进及在煤矿监测中的应用 | 第30-47页 |
| ·人工神经元网络简介 | 第30-35页 |
| ·人工神经元网络的基本概念和特征 | 第30-31页 |
| ·人工神经网络的发展历程 | 第31-33页 |
| ·人工神经网络的应用 | 第33-34页 |
| ·人工神经网络的发展前景 | 第34-35页 |
| ·对Elman 神经网络结构的改进 | 第35-38页 |
| ·Elman 学习算法的推导 | 第38-40页 |
| ·Elman 网络结构的设计与训练. | 第40-47页 |
| ·Elman 网络结构的设计 | 第40-43页 |
| ·Elman 神经网络的训练 | 第43-45页 |
| ·网络效果检验与分析 | 第45-47页 |
| 5 Lon Works 总线技术在矿井监测系统中的设计与应用 | 第47-63页 |
| ·Lon Works 总线的发展概况 | 第47-48页 |
| ·Lon Works 总线技术的核心 | 第48-52页 |
| ·Lon Works 总线技术的特点 | 第48-49页 |
| ·神经元芯片(Neuron Chip) | 第49-50页 |
| ·Lon Works 的路由 | 第50-52页 |
| ·Lon Works 通信协议-Lon Talk 的特点 | 第52页 |
| ·基于Lon Works 技术的智能节点硬件设计 | 第52-58页 |
| ·神经元芯片的选型及存储器设计 | 第53-54页 |
| ·神经元芯片与单片机的通讯接口 | 第54-56页 |
| ·Neuron 芯片与电力线收发器的接口 | 第56-58页 |
| ·智能节点的软件实现 | 第58-62页 |
| ·神经元芯片的软件开发 | 第58-60页 |
| ·单片机软件的开发 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 总结与展望 | 第63-64页 |
| 攻读学位期间发表的论文及科研成果 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录一、二:智能节点硬件原理图 | 第70-71页 |
