基于信息融合技术的采煤机自动调高系统研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 概述 | 第8-14页 |
| ·课题研究的背景与意义 | 第8-9页 |
| ·国内外采煤机与煤岩识别方面的研究现状 | 第9-11页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·目前存在的问题 | 第11页 |
| ·多传感器信息融合技术 | 第11-12页 |
| ·论文的主要工作 | 第12页 |
| ·论文的创新点 | 第12-14页 |
| 2 采煤机调高系统分析 | 第14-20页 |
| ·采煤机驱动系统分析 | 第14-15页 |
| ·采煤机运动机构分析 | 第15-16页 |
| ·摇臂驱动机构分析 | 第16-17页 |
| ·采煤机工作信号的确定 | 第17-20页 |
| 3 煤岩界面识别的信号的特征提取研究 | 第20-33页 |
| ·小波变换理论 | 第20-24页 |
| ·小波变换简介 | 第20-21页 |
| ·二进小波变换 | 第21-23页 |
| ·多分辨率分析 | 第23-24页 |
| ·小波分析的不足 | 第24页 |
| ·小波包分析 | 第24-26页 |
| ·小波包函数的定义 | 第24-25页 |
| ·小波包函数的正交子空间分解 | 第25-26页 |
| ·基于小波包分解的能量分布特征的提取 | 第26-30页 |
| ·煤岩界面特征提取实验 | 第30-33页 |
| 4 基于遗传神经网络和信息融合技术的煤岩界面识别 | 第33-50页 |
| ·信息融合综述 | 第33-35页 |
| ·D-S 证据理论信息融合方法 | 第35-36页 |
| ·基于BP神经网络的煤岩识别 | 第36-42页 |
| ·BP 神经网络的结构 | 第36-37页 |
| ·输入层和输出层节点数的确定 | 第37-39页 |
| ·隐含层的个数和层内节点数的确定 | 第39-41页 |
| ·标准BP算法的优缺点 | 第41-42页 |
| ·基于遗传神经网络的煤岩界面识别 | 第42-47页 |
| ·遗传算法的应用 | 第42-45页 |
| ·实验数据分析 | 第45-47页 |
| ·煤岩界面融合和预测的算法 | 第47-50页 |
| 5 调高系统的设计 | 第50-66页 |
| ·调高系统的硬件设计 | 第50-61页 |
| ·可靠性和抗干扰技术 | 第61-62页 |
| ·控制系统可靠性设计 | 第61-62页 |
| ·控制系统抗电磁干扰设计 | 第62页 |
| ·软件设计 | 第62-66页 |
| ·下位机软件设计 | 第62-64页 |
| ·上位机软件设计 | 第64-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文及科研成果 | 第70-71页 |
| 附录A | 第71-72页 |
