| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-19页 |
| 1.1 课题研究意义及来源 | 第9-11页 |
| 1.2 蚁群优化算法国内外研究现状 | 第11-14页 |
| 1.3 带式输送机运行与状态监测关键技术 | 第14-16页 |
| 1.3.1 软起动技术 | 第14-16页 |
| 1.3.2 状态监测技术 | 第16页 |
| 1.4 本文主要研究内容 | 第16-17页 |
| 1.5 论文章节结构安排 | 第17-19页 |
| 2 蚁群优化算法 | 第19-33页 |
| 2.1 局部最优解与全局最优解 | 第19-20页 |
| 2.2 蚁群智能 | 第20-21页 |
| 2.3 蚁群算法参数选择 | 第21-23页 |
| 2.4 蚁群群体迷失现象 | 第23-24页 |
| 2.5 改进的蚁群算法 | 第24-31页 |
| 2.5.1 单一种群蚁群优化算法 | 第24-27页 |
| 2.5.2 混合蚁群优化算法 | 第27-29页 |
| 2.5.3 并行蚁群优化算法 | 第29-30页 |
| 2.5.4 动态多目标优化 | 第30-31页 |
| 2.6 小结 | 第31-33页 |
| 3 动态认知分布式多维自适应蚁群优化算法 | 第33-61页 |
| 3.1 引言 | 第33-34页 |
| 3.2 分布式系统通信模型构建 | 第34-39页 |
| 3.2.1 分布式系统模型 | 第34-35页 |
| 3.2.2 分布式系统软件环境 | 第35-37页 |
| 3.2.3 基于客户-服务器模型的分布式系统通信 | 第37-38页 |
| 3.2.4 基于浏览器-服务器模型分布式系统通信 | 第38-39页 |
| 3.3 蚁群优化算法动态认知自适应参数调整改进 | 第39-42页 |
| 3.3.1 初始化信息素浓度自适应调整的算法改进 | 第39-40页 |
| 3.3.2 启发式因子、信息素挥发因子自适应调整的算法改进 | 第40-42页 |
| 3.4 蚁群优化算法分布式多维信息融合与交换机制改进 | 第42-52页 |
| 3.4.1 基于信息融合的分布式多维蚁群优化算法成熟度系数 | 第42页 |
| 3.4.2 分布式系统时间同步技术与同步策略 | 第42-51页 |
| 3.4.3 时间窗.开启策略 | 第51-52页 |
| 3.4.4 信息融合与交换机制 | 第52页 |
| 3.5 基于动态认知分布式多维自适应蚁群优化算法描述 | 第52-53页 |
| 3.6 自适应蚁群优化算法参数影响仿真与分析 | 第53-59页 |
| 3.6.1 基于最短路径蚁群优化算法分析 | 第53-55页 |
| 3.6.2 蚁群优化算法参数影响分析 | 第55-59页 |
| 3.7 小结 | 第59-61页 |
| 4 基于蚁群优化算法的带式输送机软起动 | 第61-91页 |
| 4.1 引言 | 第61页 |
| 4.2 带式输送机软起动技术分析 | 第61-69页 |
| 4.2.1 带式输送机起动特点 | 第61-62页 |
| 4.2.2 软起动技术比较分析 | 第62-65页 |
| 4.2.3 晶闸管组成软起动器控制方式 | 第65-67页 |
| 4.2.4 软起动实现方式 | 第67-69页 |
| 4.3 基于动态认知分布式多维自适应蚁群优化算法的软起动技术 | 第69-84页 |
| 4.3.1 带式输送机起动过程动力学性能分析 | 第69-72页 |
| 4.3.2 异步电机动态数学模型 | 第72-73页 |
| 4.3.3 异步电动机直接起动分析 | 第73-76页 |
| 4.3.4 三相异步电动机直接起动仿真分析 | 第76-81页 |
| 4.3.5 基于晶闸管组成异步电动机软起动控制策略设计 | 第81-84页 |
| 4.4 基于蚁群算法的带式输送机软起动应用分析 | 第84-90页 |
| 4.4.1 蚁群算法PID参数优化系统模型 | 第84-86页 |
| 4.4.2 仿真模型设计 | 第86-87页 |
| 4.4.3 仿真结果分析 | 第87-90页 |
| 4.5 小结 | 第90-91页 |
| 5 蚁群优化算法在带式输送机状态监测中的应用 | 第91-115页 |
| 5.1 状态监测与故障诊断 | 第91-92页 |
| 5.2 基于蚁群算法聚类故障分析 | 第92-94页 |
| 5.3 基于蚁群聚类算法滚动轴承故障应用 | 第94-106页 |
| 5.3.1 滚动轴承常见故障分析 | 第94-96页 |
| 5.3.2 滚动轴承振动分析 | 第96-99页 |
| 5.3.3 时域、频域信号实验分析 | 第99-102页 |
| 5.3.4 基于蚁群聚类算法带式输送机滚动轴承故障诊断应用 | 第102-106页 |
| 5.4 分布式多智能体状态监测与故障诊断信息融合模型 | 第106-107页 |
| 5.5 归一化数据处理 | 第107页 |
| 5.6 带式输送机状态监测与故障诊断系统设计 | 第107-110页 |
| 5.7 系统功能分析及模型设计 | 第110-113页 |
| 5.7.1 输送带跑偏状态监测与控制系统整体方案设计 | 第110-111页 |
| 5.7.2 输送带跑偏虚拟仪器状态监测系统实现 | 第111-113页 |
| 5.8 小结 | 第113-115页 |
| 6 结论与展望 | 第115-119页 |
| 6.1 结论 | 第115-116页 |
| 6.2 创新点 | 第116-117页 |
| 6.3 研究展望 | 第117-119页 |
| 致谢 | 第119-121页 |
| 参考文献 | 第121-129页 |
| 附录 攻读博士学位期间主要研究成果 | 第129页 |
