| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 煤与瓦斯突出概况 | 第11-13页 |
| 1.2.1 国外概况 | 第11-12页 |
| 1.2.2 国内概况 | 第12-13页 |
| 1.3 国内外研究成果综述 | 第13-17页 |
| 1.3.1 煤与瓦斯突出机理研究现状 | 第13-14页 |
| 1.3.2 煤与瓦斯突出预测研究现状 | 第14-17页 |
| 1.4 非线性预测控制 | 第17-18页 |
| 1.4.1 非线性预测控制发展 | 第17页 |
| 1.4.2 神经网络非线性预测控制及其应用 | 第17-18页 |
| 1.5 主要研究内容 | 第18-19页 |
| 2 煤与瓦斯突出危险性预测主控因素选取 | 第19-29页 |
| 2.1 煤与瓦斯突出影响因素 | 第19-21页 |
| 2.1.1 地质构造 | 第19-20页 |
| 2.1.2 地应力 | 第20页 |
| 2.1.3 瓦斯参数 | 第20页 |
| 2.1.4 煤体结构及煤质 | 第20页 |
| 2.1.5 煤层厚度 | 第20-21页 |
| 2.1.6 其他影响因素 | 第21页 |
| 2.2 核主成分分析法 | 第21-26页 |
| 2.2.1 主成分分析 | 第21-23页 |
| 2.2.2 核主成分分析 | 第23-25页 |
| 2.2.3 KPCA实现步骤 | 第25-26页 |
| 2.3 基于MATLAB的煤与瓦斯突出预测主控因素的提取 | 第26-29页 |
| 3 基于萤火虫算法的极限学习机网络预测控制研究 | 第29-43页 |
| 3.1 预测控制概述 | 第29-33页 |
| 3.1.1 预测控制的基本原理 | 第29-31页 |
| 3.1.2 广义预测控制基本原理 | 第31-33页 |
| 3.2 极限学习机网络 | 第33-36页 |
| 3.2.1 极限学习机算法 | 第34-35页 |
| 3.2.2 极限学习机网络的优点及不足 | 第35-36页 |
| 3.3 萤火虫算法优化极限学习机网络 | 第36-39页 |
| 3.3.1 萤火虫算法 | 第36-37页 |
| 3.3.2 萤火虫优化算法流程图 | 第37-38页 |
| 3.3.3 萤火虫算法相关参数设置 | 第38页 |
| 3.3.4 GSO算法优化ELM网络 | 第38-39页 |
| 3.4 基于GSO-ELM网络的预测控制 | 第39-43页 |
| 3.4.1 基于GSO-ELM网络的预测算法 | 第40-42页 |
| 3.4.2 预测算法步骤 | 第42-43页 |
| 4 煤与瓦斯突出监控系统 | 第43-54页 |
| 4.1 监控系统的预期功能 | 第43-44页 |
| 4.2 系统总体设计方案 | 第44页 |
| 4.3 系统工作原理 | 第44页 |
| 4.4 井下监控分站 | 第44-51页 |
| 4.4.1 监控分站硬件设计方案 | 第45-47页 |
| 4.4.2 传感器的选择 | 第47页 |
| 4.4.3 信号调理电路设计 | 第47-49页 |
| 4.4.4 A/D转换电路设计 | 第49页 |
| 4.4.5 DSP最小系统 | 第49-50页 |
| 4.4.6 DSP与单片机通信接口电路 | 第50页 |
| 4.4.7 单片机及其外围电路 | 第50页 |
| 4.4.8 单片机的存储器及I/O扩展 | 第50页 |
| 4.4.9 通信接口电路设计 | 第50-51页 |
| 4.4.10 抗干扰措施 | 第51页 |
| 4.5 系统软件设计 | 第51-54页 |
| 4.5.1 软件设计原则 | 第51-52页 |
| 4.5.2 系统运行平台和开发工具 | 第52-53页 |
| 4.5.3 软件功能设计 | 第53-54页 |
| 5 基于GSO-ELM预测控制算法的应用及仿真 | 第54-62页 |
| 5.1 煤与瓦斯突出预测控制系统模型 | 第54页 |
| 5.2 GSO-ELM预测网络的仿真研究 | 第54-58页 |
| 5.2.1 网络初始化 | 第54-55页 |
| 5.2.2 辨识分析 | 第55-58页 |
| 5.3 GPC控制参数选取 | 第58-60页 |
| 5.4 GSO-ELM预测控制在煤与瓦斯突出监控系统中的仿真研究 | 第60-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 作者简历 | 第66-67页 |
| 学位论文数据集 | 第67-68页 |