基于信息融合和神经网络的煤岩界面识别方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·煤岩界面识别的意义与背景 | 第11-12页 |
| ·国内外煤岩界面识别的主要方法和发展趋势 | 第12-14页 |
| ·目前煤岩界面识别存在的问题 | 第14-15页 |
| ·本论文主要研究内容 | 第15-16页 |
| ·小结 | 第16-17页 |
| 第2章 截割状态参数信息的分析及选取 | 第17-28页 |
| ·引言 | 第17-18页 |
| ·滚筒瞬时受力的定性分析 | 第18-19页 |
| ·截割状态的基本参数 | 第19-20页 |
| ·确定采煤机的截割状态参数 | 第20-23页 |
| ·截割电机电流信号 | 第21页 |
| ·扭矩信号和扭振信号 | 第21-22页 |
| ·调高油缸压力信号 | 第22页 |
| ·振动信号的采集点 | 第22-23页 |
| ·传感器选型的确定 | 第23-27页 |
| ·传感器选型 | 第23-24页 |
| ·传感器型号的确定 | 第24-27页 |
| ·传感器安装位置的确定 | 第27页 |
| ·小结 | 第27-28页 |
| 第3章 煤岩界面信号特征的提取 | 第28-39页 |
| ·引言 | 第28页 |
| ·信号分析方法的比较 | 第28-31页 |
| ·经典谱分析 | 第28页 |
| ·傅里叶变换与短时傅里叶变换 | 第28-29页 |
| ·小波变换理论 | 第29-31页 |
| ·小波变换的优势和不足 | 第31页 |
| ·基于小波包的特征提取 | 第31-36页 |
| ·小波包分析 | 第31-34页 |
| ·基于小波包分解的特征提取算法 | 第34-36页 |
| ·煤岩特征向量提取程序及其仿真结果 | 第36-38页 |
| ·小结 | 第38-39页 |
| 第4章 基于信息融合技术的煤岩界面识别系统 | 第39-54页 |
| ·引言 | 第39页 |
| ·信息融合技术的基本理论 | 第39-43页 |
| ·信息融合的基本含义 | 第39-40页 |
| ·信息融合的基本架构 | 第40-41页 |
| ·融合系统的基本特征 | 第41-42页 |
| ·信息融合的算法 | 第42-43页 |
| ·基于神经网络的信息融合 | 第43-47页 |
| ·神经网络的基础架构 | 第45-46页 |
| ·神经网络模型的基本分类 | 第46-47页 |
| ·基于BP神经网络的信息融合技术 | 第47-51页 |
| ·BP的结构和参数 | 第47-48页 |
| ·标准BP算法原理 | 第48-51页 |
| ·基于神经网络的煤岩界面识别原理 | 第51页 |
| ·BP神经网络程序及其仿真 | 第51-53页 |
| ·小结 | 第53-54页 |
| 第5章 煤岩界面识别结果的不确定度评定 | 第54-59页 |
| ·不确定度的含义 | 第54页 |
| ·不确定度的组成 | 第54-55页 |
| ·煤岩界面识别结果的不确定度计算及评定报告 | 第55-58页 |
| ·样本下的不确定度计算 | 第55-57页 |
| ·煤岩界面识别结果不确定度评定报告 | 第57-58页 |
| ·小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录一 | 第65-69页 |
| 附录二 | 第69-74页 |
| 附录三 | 第74-78页 |
| 作者简介 | 第78页 |
| 攻读硕士期间发表的论文和科研成果 | 第78页 |
