基于多传感器信息融合技术的煤岩识别方法的研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-12页 |
| ·课题研究的背景及意义 | 第7-8页 |
| ·国内外的研究现状 | 第8-11页 |
| ·论文的研究内容和章节结构安排 | 第11-12页 |
| 2 采煤机工作信号的采集、分析 | 第12-17页 |
| ·采煤机工作状态信号的获取 | 第12-13页 |
| ·原始信号的采集 | 第13-17页 |
| ·信号采集的基本原理与方法 | 第13页 |
| ·实验方案 | 第13-17页 |
| 3 基于小波包法的信号特征提取 | 第17-39页 |
| ·几种常用信号分析方法的对比性分析 | 第17-24页 |
| ·傅里叶变换 | 第17-19页 |
| ·短时傅里叶变换 | 第19页 |
| ·小波函数和小波变换 | 第19-22页 |
| ·多分辨率分析 | 第22-24页 |
| ·多分辨率分析的局限性 | 第24页 |
| ·利用小波包进行能量分布特征的提取 | 第24-39页 |
| ·小波包函数的概念 | 第24页 |
| ·正交小波包与双正交波包分析 | 第24-26页 |
| ·小波包正交基分解 | 第26-28页 |
| ·小波包在能量分布特征提取中的应用 | 第28-30页 |
| ·煤岩界面特征信号的获取 | 第30-39页 |
| 4 数据融合技术理论 | 第39-44页 |
| ·数据融合的概念 | 第39-40页 |
| ·数据融合的特点 | 第40页 |
| ·数据融合的模型分类 | 第40-41页 |
| ·数据融合的三级层次结构 | 第41-42页 |
| ·常用的算法 | 第42-44页 |
| 5 基于 BP 神经网络的煤岩识别 | 第44-57页 |
| ·人工神经网络的定义及发展 | 第44页 |
| ·神经元模型 | 第44-45页 |
| ·利用神经网络进行煤岩识别的基本原理 | 第45-46页 |
| ·BP 神经网络数据融合在识别中的应用 | 第46-49页 |
| ·BP 神经网络中的节点问题 | 第46-47页 |
| ·BP 算法的基本原理 | 第47页 |
| ·BP 算法的局限性及优化的 BP 算法 | 第47-48页 |
| ·实验结果的分析 | 第48-49页 |
| ·利用遗传神经网络进行煤岩识别 | 第49-57页 |
| ·遗传神经网络的概念 | 第49-50页 |
| ·遗传神经网络的算法原理 | 第50页 |
| ·煤岩识别的方案设计 | 第50-54页 |
| ·实验结果分析与评价 | 第54-57页 |
| 6 结论与展望 | 第57-58页 |
| ·结论 | 第57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-63页 |
| 攻读学位期间发表的学术论文目录 | 第63-66页 |
| 致谢 | 第66页 |
