| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题的研究背景和意义 | 第11-12页 |
| 1.2 课题的国内外发展现状 | 第12-14页 |
| 1.2.1 掘进机国内外研究现状 | 第12-13页 |
| 1.2.2 动载荷识别技术的国内外研究现状 | 第13-14页 |
| 1.3 本文研究目标及研究内容 | 第14-15页 |
| 第二章 智能化超重型岩巷掘进机截割机构的动力学分析 | 第15-25页 |
| 2.1 岩巷掘进机组成结构和工作原理 | 第15-17页 |
| 2.1.1 岩巷掘进机组成结构 | 第15-17页 |
| 2.1.2 岩巷掘进机工作原理 | 第17页 |
| 2.2 截割机构的运动学特性分析 | 第17-21页 |
| 2.2.1 截割方式 | 第18页 |
| 2.2.2 截齿载荷计算 | 第18-20页 |
| 2.2.3 截割头载荷分析 | 第20-21页 |
| 2.3 截割机构监测量的选取 | 第21-24页 |
| 2.3.1 基于机械振动的分析 | 第21页 |
| 2.3.2 基于截割电机的分析 | 第21-22页 |
| 2.3.3 基于液压缸的分析 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 岩巷掘进机动载荷识别系统方案设计 | 第25-35页 |
| 3.1 系统设计原则及要求 | 第25-26页 |
| 3.1.1 设计原则 | 第25-26页 |
| 3.1.2 技术指标 | 第26页 |
| 3.2 系统方案设计 | 第26-27页 |
| 3.2.1 系统硬件结构 | 第26-27页 |
| 3.2.2 系统软件结构 | 第27页 |
| 3.3 动载荷识别系统硬件配置 | 第27-33页 |
| 3.3.1 传感器安装位置的确定 | 第27-29页 |
| 3.3.2 传感器的选型 | 第29-31页 |
| 3.3.3 数据采集卡选型 | 第31-32页 |
| 3.3.4 上位机配置 | 第32-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第四章 岩巷掘进机动载荷智能识别方法的研究 | 第35-51页 |
| 4.1 小波包分析法的应用 | 第35-39页 |
| 4.1.1 小波包定义 | 第36-37页 |
| 4.1.2 小波包最优基的选择 | 第37页 |
| 4.1.3 小波包消噪在动载荷识别中的应用 | 第37-39页 |
| 4.2 小波包能量特征提取 | 第39-40页 |
| 4.3 动载荷信号的特征量提取 | 第40-45页 |
| 4.3.1 振动信号特征量提取 | 第40-43页 |
| 4.3.2 电流信号特征量提取 | 第43-44页 |
| 4.3.3 压力信号特征量提取 | 第44-45页 |
| 4.4 神经网络理论 | 第45-48页 |
| 4.4.1 人工神经网络在掘进机动载荷识别中的应用 | 第46页 |
| 4.4.2 RBF 神经网络 | 第46-47页 |
| 4.4.3 组合神经网络 | 第47-48页 |
| 4.5 证据组合理论 | 第48-49页 |
| 4.6 基于神经网络和证据理论的载荷识别信息的融合 | 第49-50页 |
| 4.7 本章小结 | 第50-51页 |
| 第五章 岩巷掘进机动载荷识别系统软件开发 | 第51-67页 |
| 5.1 软件开发平台 | 第51-53页 |
| 5.2 信号采集程序设计 | 第53-54页 |
| 5.3 特征提取程序设计 | 第54-55页 |
| 5.4 RBF 神经网络动载荷识别程序设计 | 第55-58页 |
| 5.4.1 RBF 神经网络模型设计 | 第56-57页 |
| 5.4.2 RBF 神经网络程序 | 第57-58页 |
| 5.5 证据理论融合程序设计 | 第58-60页 |
| 5.6 数据存储程序设计 | 第60-62页 |
| 5.7 人机界面设计 | 第62-66页 |
| 5.8 本章小结 | 第66-67页 |
| 第六章 试验及结果分析 | 第67-77页 |
| 6.1 基于 RBF 神经网络识别系统的测试及分析 | 第67-70页 |
| 6.1.1 一级网络系统的测试及分析 | 第68-69页 |
| 6.1.2 二级网络系统的测试及分析 | 第69-70页 |
| 6.2 基于神经网络和证据理论的融合识别系统的测试及分析 | 第70-74页 |
| 6.3 本章小结 | 第74-77页 |
| 第七章 研究结论及展望 | 第77-81页 |
| 7.1 研究结论 | 第77-78页 |
| 7.2 工作展望 | 第78-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-87页 |
| 作者在攻读硕士期间的研究成果 | 第87页 |
