| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-35页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-32页 |
| 1.2.1 管道临界淤积流速研究现状 | 第15-20页 |
| 1.2.2 管道堵塞检测研究现状 | 第20-32页 |
| 1.3 存在的问题 | 第32-33页 |
| 1.4 论文的主要研究内容 | 第33-35页 |
| 第二章 铁精矿浆输送管道实验平台研究 | 第35-57页 |
| 2.1 引言 | 第35页 |
| 2.2 铁精矿浆输送管道实验平台总体设计 | 第35-38页 |
| 2.3 主要工艺设施与工艺流程 | 第38-40页 |
| 2.3.1 主要工艺设施 | 第38-39页 |
| 2.3.2 主要工艺流程 | 第39-40页 |
| 2.4 测量、采集与监控系统 | 第40-42页 |
| 2.4.1 参数的测量与数据采集 | 第40-41页 |
| 2.4.2 控制与监测 | 第41-42页 |
| 2.5 物料和矿浆的相关特性实验研究 | 第42-46页 |
| 2.5.1 物料的粒径及分布测定 | 第42-43页 |
| 2.5.2 物料的比重测定 | 第43-44页 |
| 2.5.3 矿浆静态沉降特性测定 | 第44-45页 |
| 2.5.4 矿浆流变特性测定 | 第45-46页 |
| 2.6 矿浆输送模拟及临界淤积流速测定实验研究 | 第46-51页 |
| 2.7 固体颗粒的运动形式及两相流的流态分析 | 第51-55页 |
| 2.8 本章小结 | 第55-57页 |
| 第三章 基于改进SFLA的铁精矿浆输送管道临界淤积流速组合预测 | 第57-73页 |
| 3.1 引言 | 第57-58页 |
| 3.2 预测模型原理 | 第58-61页 |
| 3.2.1 最小二乘支持向量机 | 第58-59页 |
| 3.2.2 RBF神经网络 | 第59-60页 |
| 3.2.3 组合预测模型的构建 | 第60-61页 |
| 3.3 混合蛙跳算法原理 | 第61-65页 |
| 3.3.1 标准混合蛙跳算法 | 第61-62页 |
| 3.3.2 改进的混合蛙跳算法 | 第62-65页 |
| 3.4 改进混合蛙跳算法优化组合预测模型的实现流程 | 第65-66页 |
| 3.5 实验测试分析 | 第66-71页 |
| 3.6 本章小结 | 第71-73页 |
| 第四章 基于LMD信息熵和改进ELM的铁精矿浆输送管道堵塞故障识别 | 第73-103页 |
| 4.1 引言 | 第73-74页 |
| 4.2 管道内声波的传播特性 | 第74-80页 |
| 4.2.1 理想流体介质中声波传播的基本方程 | 第74-76页 |
| 4.2.2 三维管道内的声场 | 第76-78页 |
| 4.2.3 声波的衰减和吸收 | 第78-79页 |
| 4.2.4 固体-液体界面处的反射和折射 | 第79-80页 |
| 4.3 声学主动检测堵塞原理和实验数据采集 | 第80-82页 |
| 4.4 LMD算法原理 | 第82-83页 |
| 4.5 基于LMD信息熵的特征提取 | 第83-87页 |
| 4.5.1 奇异谱熵提取 | 第84-85页 |
| 4.5.2 能量熵提取 | 第85页 |
| 4.5.3 功率谱熵提取 | 第85-86页 |
| 4.5.4 Hilbert谱熵提取 | 第86-87页 |
| 4.6 极限学习机原理 | 第87-91页 |
| 4.6.1 标准极限学习机 | 第87-88页 |
| 4.6.2 改进的极限学习机 | 第88-90页 |
| 4.6.3 模型参数的求解 | 第90-91页 |
| 4.7 LMD信息熵和改进ELM的堵塞故障识别方法实现流程 | 第91-92页 |
| 4.8 实验测试分析 | 第92-100页 |
| 4.9 本章小结 | 第100-103页 |
| 第五章 基于MRMR和MKELM的铁精矿浆输送管道堵塞故障识别 | 第103-123页 |
| 5.1 引言 | 第103-104页 |
| 5.2 混合域特征集构建 | 第104-106页 |
| 5.2.1 时域和频域特征提取 | 第104页 |
| 5.2.2 时频域特征提取 | 第104-106页 |
| 5.2.3 混合域特征集 | 第106页 |
| 5.3 基于MRMR的特征提取 | 第106-108页 |
| 5.3.1 标准MRMR算法 | 第106-107页 |
| 5.3.2 MRMR的特征提取流程 | 第107-108页 |
| 5.4 混合蛙跳算法优化多核极限学习机的堵塞故障识别 | 第108-113页 |
| 5.4.1 核函数基本原理 | 第108-109页 |
| 5.4.2 核极限学习机 | 第109-110页 |
| 5.4.3 多核极限学习机的构建 | 第110-112页 |
| 5.4.4 多核极限学习机的优化流程 | 第112-113页 |
| 5.5 实验测试分析 | 第113-121页 |
| 5.6 本章小结 | 第121-123页 |
| 第六章 总结与展望 | 第123-127页 |
| 6.1 研究工作总结 | 第123-124页 |
| 6.2 论文的创新点 | 第124-125页 |
| 6.3 工作展望 | 第125-127页 |
| 致谢 | 第127-129页 |
| 参考文献 | 第129-143页 |
| 附录A 攻读博士学位期间取得的成果 | 第143-145页 |
| 附录B 攻读博士学位期间参与的科研项目 | 第145-147页 |
| 附录C 攻读博士学位期间获奖情况 | 第147页 |
