基于BP神经网络煤矿通风机监测信息融合方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·研究的目的和意义 | 第7页 |
| ·应用与研究现状 | 第7-10页 |
| ·煤矿通风机监测的研究现状 | 第7-9页 |
| ·多传感器信息融合技术的研究现状 | 第9-10页 |
| ·煤矿通风机存在的问题与需求 | 第10-12页 |
| ·煤矿通风机监测存在的问题 | 第10-11页 |
| ·监测与故障诊断技术对多传感器信息融合技术的需求 | 第11-12页 |
| ·论文的主要研究内容与结构安排 | 第12-14页 |
| 第二章 通风机运行状态监测与故障诊断 | 第14-24页 |
| ·煤矿通风机监测的意义与作用 | 第14页 |
| ·煤矿通风机监测的意义 | 第14页 |
| ·煤矿通风机监测的作用 | 第14页 |
| ·通风机监测 | 第14-17页 |
| ·通风机故障诊断 | 第17-23页 |
| ·故障诊断概述 | 第17-18页 |
| ·通风机常见故障分析 | 第18-20页 |
| ·通风机故障参数 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 多传感器信息融合模型的建立 | 第24-32页 |
| ·多传感器信息融合的哲学意义 | 第24页 |
| ·多传感器信息融合的基本内容 | 第24-29页 |
| ·多传感器信息融合的一般框架 | 第24-28页 |
| ·多传感器信息融合的一般方法 | 第28-29页 |
| ·多传感器信息融合模型的建立 | 第29-31页 |
| ·故障诊断模型的建立 | 第29-30页 |
| ·故障诊断分层模型 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于BP神经网络的特征层融合 | 第32-46页 |
| ·引言 | 第32页 |
| ·神经网络基本理论 | 第32-34页 |
| ·神经网络概述 | 第32-33页 |
| ·神经网络信息融合 | 第33-34页 |
| ·特征层融合方法-BP神经网络的研究 | 第34-37页 |
| ·BP神经网络 | 第34-35页 |
| ·BP神经网络存在的问题 | 第35-36页 |
| ·BP神经网络算法改进 | 第36-37页 |
| ·通风机监测系统特征层神经网络融合 | 第37-45页 |
| ·基于BP神经网络特征层融合模型的建立 | 第37-38页 |
| ·仿真实验结果 | 第38-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 决策层融合方法—D-S证据理论的研究 | 第46-53页 |
| ·引言 | 第46页 |
| ·D-S证据理论的基本概念 | 第46-48页 |
| ·识别框架 | 第46页 |
| ·基本函数 | 第46-48页 |
| ·基于D-S合成规则的决策层融合 | 第48-50页 |
| ·D-S合成规则 | 第48-50页 |
| ·D-S证据理论的决策过程 | 第50页 |
| ·识别框架的确定和证据体的获取 | 第50页 |
| ·数值实验 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-54页 |
| ·总结 | 第53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |
| 个人简历 | 第57页 |
| 攻读硕士学位期间发表论文 | 第57-58页 |
