致谢 | 第5-6页 |
摘要 | 第6-7页 |
abstract | 第7页 |
变量注释表 | 第16-17页 |
1 绪论 | 第17-23页 |
1.1 研究背景及意义 | 第17-18页 |
1.2 矿井监测的声发射技术 | 第18-19页 |
1.3 声发射信号提取与识别方法的研究现状 | 第19-21页 |
1.4 论文的主要研究内容 | 第21-23页 |
2 煤岩体破裂的声发射信号分析 | 第23-28页 |
2.1 煤岩体声发射信号的产生机理 | 第23页 |
2.2 煤岩体声发射信号特征分析 | 第23-25页 |
2.3 矿井噪声分析 | 第25-27页 |
2.4 本章小结 | 第27-28页 |
3 基于小波分析的AE信号去噪提取 | 第28-36页 |
3.1 小波分析去噪法 | 第28-30页 |
3.2 改进小波阈值去噪下的AE信号提取 | 第30-33页 |
3.3 仿真实验 | 第33-34页 |
3.4 本章小结 | 第34-36页 |
4 基于粒子滤波的AE信号去噪提取 | 第36-50页 |
4.1 粒子滤波去噪算法基础 | 第36-39页 |
4.2 粒子滤波去噪原理 | 第39-43页 |
4.3 改进粒子滤波去噪算法 | 第43-47页 |
4.4 仿真实验 | 第47-49页 |
4.5 本章小节 | 第49-50页 |
5 基于深度置信网络的AE信号特征提取与识别 | 第50-55页 |
5.1 深度置信网络模型 | 第50-52页 |
5.2 优化的DBN模型 | 第52-53页 |
5.3 仿真实验 | 第53-54页 |
5.4 本章小结 | 第54-55页 |
6 煤岩体破裂的AE信号提取与识别应用 | 第55-62页 |
6.1 八连城煤矿井区背景 | 第55页 |
6.2 小波阈值去噪与粒子滤波去噪对比分析 | 第55-59页 |
6.3 DBN模型特征提取识别与传统特征提取识别方法对比分析 | 第59-61页 |
6.4 本章小节 | 第61-62页 |
7 结论与展望 | 第62-63页 |
参考文献 | 第63-67页 |
作者简历 | 第67-69页 |
学位论文数据集 | 第69页 |