| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 数据融合技术 | 第11-15页 |
| 1.3 煤矿粉尘在线监测系统现状 | 第15-17页 |
| 1.4 课题相关领域的国内外发展情况 | 第17-21页 |
| 1.4.1 数据融合技术的国内外发展情况 | 第17-19页 |
| 1.4.2 煤矿粉尘监测设备的国内外发展情况 | 第19-21页 |
| 1.5 本文主要研究内容 | 第21-22页 |
| 第二章 煤矿粉尘监测理论基础 | 第22-30页 |
| 2.1 煤矿粉尘概况 | 第22-23页 |
| 2.2 粉尘监测指标及相应传感器确立 | 第23-26页 |
| 2.2.1 粉尘监测指标选取 | 第23-24页 |
| 2.2.2 相应传感器介绍 | 第24-26页 |
| 2.3 粉尘监测数据库的建立 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 两级数据融合算法应用过程分析 | 第30-52页 |
| 3.1 粉尘监测数据融合结构模型的建立 | 第30-31页 |
| 3.2 数据层融合算法 | 第31-35页 |
| 3.2.1 算法描述 | 第31-33页 |
| 3.2.2 算例分析 | 第33-35页 |
| 3.3 决策层融合算法的试验探究 | 第35-49页 |
| 3.3.1 基于D-S证据理论的决策层融合算法 | 第35-41页 |
| 3.3.2 基于RS理论的决策层融合算法 | 第41-49页 |
| 3.3.3 两种算法优劣分析 | 第49页 |
| 3.4 本章小结 | 第49-52页 |
| 第四章 综合D-S证据理论和RS理论的决策层融合算法 | 第52-62页 |
| 4.1 算法整体分析 | 第52-53页 |
| 4.2 算法实现过程中的关键问题 | 第53-57页 |
| 4.2.1 BPA函数获取 | 第54页 |
| 4.2.2 基于信息熵的属性重要度评估 | 第54-56页 |
| 4.2.3 证据合成方法 | 第56-57页 |
| 4.3 算例分析及算法结果对比 | 第57-60页 |
| 4.3.1 算例分析 | 第57-59页 |
| 4.3.2 算法结果对比 | 第59-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第五章 两级数据融合算法实例验证及工程应用 | 第62-80页 |
| 5.1 应用过程整体概述 | 第62-63页 |
| 5.2 粉尘监测实例验证过程 | 第63-71页 |
| 5.2.1 应用基于支持度矩阵算法进行数据层融合 | 第63页 |
| 5.2.2 应用综合D-S证据理论和RS理论的算法进行决策层融合 | 第63-71页 |
| 5.3 工程应用 | 第71-79页 |
| 5.3.1 试验传感器布置 | 第71-72页 |
| 5.3.2 改进后粉尘在线监测系统 | 第72-73页 |
| 5.3.3 改进后系统效果验证 | 第73-79页 |
| 5.4 本章小结 | 第79-80页 |
| 第六章 结论与展望 | 第80-82页 |
| 6.1 本文工作总结 | 第80页 |
| 6.2 未来研究展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-88页 |
| 攻读硕士期间发表的学术论文 | 第88-90页 |
| 附录 煤矿粉尘监测原始决策表 | 第90-91页 |