基于极限学习机的采煤机记忆截割调高控制算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·采煤机直接调高技术的发展 | 第10-11页 |
| ·采煤机间接调高技术的发展 | 第11-12页 |
| ·研究内容 | 第12-13页 |
| 2 采煤机工作原理及记忆截割信息采集 | 第13-23页 |
| ·采煤机的结构原理研究 | 第13-17页 |
| ·采煤机的主要组成部分 | 第13-15页 |
| ·采煤机工作原理 | 第15-16页 |
| ·采煤机截割过程工艺的分析 | 第16-17页 |
| ·记忆截割系统 | 第17-20页 |
| ·记忆截割原理 | 第17-18页 |
| ·采煤机工作模式 | 第18-19页 |
| ·采煤机记忆截割特点 | 第19-20页 |
| ·记忆截割参数信息采集和采样周期确定 | 第20-22页 |
| ·参数信息采集 | 第20页 |
| ·采样周期的确定 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3 基于粒子群遗传混合优化算法的调高轨迹规划 | 第23-34页 |
| ·优化算法 | 第23页 |
| ·粒子群优化算法原理 | 第23-26页 |
| ·粒子群算法的数学描述 | 第24-25页 |
| ·粒子群算法的基本步骤 | 第25页 |
| ·粒子群算法的参数选择 | 第25-26页 |
| ·遗传优化算法原理 | 第26-28页 |
| ·遗传算法基本理论 | 第26页 |
| ·遗传算法的基本步骤 | 第26-28页 |
| ·粒子群遗传混合算法 | 第28-29页 |
| ·形成混合算法的原理 | 第28页 |
| ·混合算法的基本步骤 | 第28-29页 |
| ·采煤机路径规划数学模型 | 第29-33页 |
| ·确定目标函数 | 第29-30页 |
| ·确定设计变量 | 第30-31页 |
| ·约束条件的处理 | 第31页 |
| ·模拟仿真 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 4 极限学习机控制算法的研究 | 第34-43页 |
| ·单隐含层前馈神经网络 | 第34-39页 |
| ·单神经元模型 | 第34页 |
| ·激活函数的类型 | 第34-36页 |
| ·BP神经网络算法基本步骤 | 第36-39页 |
| ·极限学习机算法 | 第39-42页 |
| ·极限学习机的基本原理 | 第39-42页 |
| ·极限学习机的基本步骤 | 第42页 |
| ·本章小结 | 第42-43页 |
| 5 极限学习机PID的设计与仿真 | 第43-53页 |
| ·采煤机自动调高系统 | 第43-46页 |
| ·系统机构分析 | 第43-44页 |
| ·系统动力学分析 | 第44-45页 |
| ·采煤机液压伺服调高系统分析 | 第45-46页 |
| ·极限学习机PID的设计 | 第46-49页 |
| ·常规PID控制器 | 第46-48页 |
| ·极限学习机PID控制策略 | 第48-49页 |
| ·极限学习机输入输出变量的选取 | 第49页 |
| ·极限学习机PID控制系统的建模仿真 | 第49-51页 |
| ·极限学习机PID控制系统建模 | 第49-50页 |
| ·仿真结果 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 6 结论与展望 | 第53-54页 |
| ·结论 | 第53页 |
| ·展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
