煤矿水情监测与预测系统的研究与开发
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 选题的背景及研究意义 | 第11-12页 |
| 1.2 煤矿水情监测与预测系统的国内外研究现状 | 第12-14页 |
| 1.3 论文的主要内容 | 第14-17页 |
| 第2章 监测系统设计 | 第17-37页 |
| 2.1 监测系统总体介绍 | 第17-19页 |
| 2.1.1 主要特点 | 第17-18页 |
| 2.1.2 系统工作原理 | 第18-19页 |
| 2.2 工作流程 | 第19-24页 |
| 2.2.1 网络结构 | 第19-21页 |
| 2.2.2 光纤传输 | 第21-22页 |
| 2.2.3 通信接口 | 第22-23页 |
| 2.2.4 光纤modem | 第23-24页 |
| 2.3 总线通信控制器 | 第24-31页 |
| 2.3.1 单片机W78E58 | 第25-26页 |
| 2.3.2 芯片简介 | 第26-28页 |
| 2.3.3 系统整体硬件设计 | 第28-31页 |
| 2.4 设备层 | 第31-36页 |
| 2.4.1 传感器的选用 | 第31-35页 |
| 2.4.2 工作原理 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 水情预测算法 | 第37-55页 |
| 3.1 水情预测方法 | 第37-38页 |
| 3.1.1 Local Modeling模型 | 第37页 |
| 3.1.2 门限自回归预测模型 | 第37-38页 |
| 3.1.3 灰色预测模型 | 第38页 |
| 3.1.4 其它方法 | 第38页 |
| 3.2 BP神经网络 | 第38-47页 |
| 3.2.1 神经网络的发展过程及特点 | 第39-42页 |
| 3.2.2 BP神经网络结构 | 第42-43页 |
| 3.2.3 BP学习算法 | 第43-45页 |
| 3.2.4 BP网络设计原则 | 第45-47页 |
| 3.2.5 BP网络学习过程 | 第47页 |
| 3.3 BP神经网络的MATLAB仿真 | 第47-50页 |
| 3.3.1 MATLAB简介 | 第47-49页 |
| 3.3.2 神经网络工具箱 | 第49-50页 |
| 3.3.3 BP神经网络的MATLAB实现 | 第50页 |
| 3.4 BP神经网络算法在井下水情预测中的应用 | 第50-54页 |
| 3.4.1 确定网络结构 | 第50-51页 |
| 3.4.2 BP神经网络训练样本的选取 | 第51页 |
| 3.4.3 样本数据的归一化处理 | 第51-52页 |
| 3.4.4 确定传递函数 | 第52-53页 |
| 3.4.5 水情预测结果 | 第53-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第4章 系统软件开发 | 第55-69页 |
| 4.1 上位机软件实现 | 第55-66页 |
| 4.1.1 Delphi软件介绍 | 第55-56页 |
| 4.1.2 程序设计 | 第56-62页 |
| 4.1.3 系统数据管理及软件界面 | 第62-66页 |
| 4.2 下位机程序设计 | 第66-68页 |
| 4.3 本章小结 | 第68-69页 |
| 第5章 结论与展望 | 第69-71页 |
| 5.1 全文总结 | 第69页 |
| 5.2 展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75页 |
