| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题的来源及研究意义 | 第9页 |
| 1.2 球磨机的主要影响因素分析 | 第9-11页 |
| 1.3 磨机负荷检测的研究现状 | 第11-13页 |
| 1.4 多源信息融合在磨机负荷检测中的研究现状 | 第13-15页 |
| 1.5 本课题的主要研究内容 | 第15-16页 |
| 第二章 球磨机磨矿实验分析及其多源信号采集 | 第16-32页 |
| 2.1 多源信号采集系统的搭建 | 第16-17页 |
| 2.2 球磨机磨矿实验系统的构建 | 第17-22页 |
| 2.2.1 实验平台的搭建 | 第17页 |
| 2.2.2 磨矿效率评价指标的确立 | 第17-18页 |
| 2.2.3 实验方案的设计 | 第18-22页 |
| 2.3 基于不同磨矿参数的多源信号采集实验 | 第22-29页 |
| 2.3.1 不同加球量的实验分析 | 第22-24页 |
| 2.3.2 不同给料量的实验分析 | 第24-26页 |
| 2.3.3 不同入料粒度分布的实验分析 | 第26-27页 |
| 2.3.4 不同球配比的实验分析 | 第27-29页 |
| 2.4 最佳磨矿负荷参数的分类 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 基于小波变换技术的球磨机多源信号时频特性分析 | 第32-48页 |
| 3.1 多源信号预处理指标的确立 | 第32页 |
| 3.2 多源信号的小波分析 | 第32-34页 |
| 3.2.1 小波函数的选取 | 第32-33页 |
| 3.2.2 小波阈值去噪 | 第33-34页 |
| 3.3 振动信号的时频特性分析 | 第34-40页 |
| 3.3.1 振动信号特征信息的提取 | 第34-38页 |
| 3.3.2 单源信号对磨机负荷的识别 | 第38-40页 |
| 3.4 磨音信号的时频特性分析 | 第40-45页 |
| 3.4.1 磨音信号特征信息的提取 | 第40-43页 |
| 3.4.2 多源信号对磨机负荷的识别 | 第43-45页 |
| 3.5 电流信号对应磨机负荷变化的结果分析 | 第45-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第四章 多源信号融合算法在磨机负荷预测中的应用研究 | 第48-66页 |
| 4.1 同类信号融合算法分析 | 第48-52页 |
| 4.1.1 基于最优融合集的改进算法 | 第48-50页 |
| 4.1.2 仿真分析 | 第50-52页 |
| 4.2 异类信号融合算法分析 | 第52-56页 |
| 4.2.1 基于支持向量机的磨机负荷识别 | 第52-53页 |
| 4.2.2 基于D-S证据理论的改进算法 | 第53-54页 |
| 4.2.3 证据冲突的解决方案 | 第54-56页 |
| 4.3 融合算法在磨机负荷预测中的应用实例 | 第56-65页 |
| 4.3.1 融合算法的对比分析 | 第56-59页 |
| 4.3.2 多源与单源信息预测结果的对比分析 | 第59-62页 |
| 4.3.3 实验验证与对比分析 | 第62-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 攻读学位期间的研究成果 | 第71-72页 |