基于遗传神经网络的煤岩界面识别方法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 概述 | 第10-16页 |
| ·课题研究的背景及意义 | 第10-12页 |
| ·本课题的国内外研究现状 | 第12-14页 |
| ·国外煤岩界面识别的研究现状 | 第12-13页 |
| ·国内煤岩界面识别的研究现状 | 第13页 |
| ·目前煤岩界面识别存在的问题 | 第13-14页 |
| ·多传感器信息融合技术 | 第14页 |
| ·本课题主要研究内容 | 第14-16页 |
| 第二章 采煤机工作状态信号的分析和采集 | 第16-24页 |
| ·采煤机工作信号的确定 | 第16-17页 |
| ·采煤机工作信号的采集 | 第17-24页 |
| ·采集信号的基本原理 | 第17-18页 |
| ·采集信号的实验方案的设计 | 第18-24页 |
| 第三章 煤岩界面信号特征的提取 | 第24-44页 |
| ·信号分析方法的比较 | 第24-30页 |
| ·傅立叶变换与短时傅立叶变换 | 第24-26页 |
| ·小波函数与小波变换理论 | 第26-28页 |
| ·多分辨率分析 | 第28-30页 |
| ·小波分析的不足 | 第30页 |
| ·基于小波包分解的能量分布特征的提取 | 第30-44页 |
| ·小波包分析 | 第30-33页 |
| ·基于小波包分解的能量分布特征的提取算法 | 第33-36页 |
| ·煤岩界面信号特征提取 | 第36-44页 |
| 第四章 基于神经网络数据融合技术的煤岩界面识别 | 第44-80页 |
| ·数据融合的基本理论 | 第44-49页 |
| ·数据融合的概念 | 第44-45页 |
| ·数据融合的特点 | 第45页 |
| ·信息融合的结构模型 | 第45-46页 |
| ·信息融合的层次结构及功能 | 第46-48页 |
| ·信息融合的算法 | 第48-49页 |
| ·基于BP神经网络的煤岩界面识别原理 | 第49-54页 |
| ·神经网络的基本结构 | 第50-52页 |
| ·基于神经网络的煤岩界面识别原理 | 第52-54页 |
| ·基于BP神经网络信息融合技术的识别 | 第54-67页 |
| ·BP神经网络的结构 | 第54页 |
| ·输入层和输出层节点数的确定 | 第54-56页 |
| ·隐含层的个数和层内节点数的确定 | 第56-58页 |
| ·标准BP算法原理 | 第58-61页 |
| ·标准BP算法的缺陷及其原因分析 | 第61-63页 |
| ·改进的BP算法 | 第63-66页 |
| ·实验数据分析 | 第66-67页 |
| ·基于遗传神经网络的煤岩界面识别 | 第67-80页 |
| ·遗传神经网络理论 | 第67-72页 |
| ·遗传神经网络基本原理 | 第72页 |
| ·基于遗传神经网络的煤岩界面识别的算法设计 | 第72-76页 |
| ·实验数据分析 | 第76-80页 |
| 第五章 结论及展望 | 第80-82页 |
| ·主要结论 | 第80页 |
| ·进一步工作展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-88页 |
| 攻读硕士学位期间发表的论文 | 第88页 |
