| 摘要 | 第1页 |
| Abstract | 第5-6页 |
| 详细摘要 | 第6-14页 |
| 1 引言 | 第14-22页 |
| ·研究背景及其意义 | 第14-15页 |
| ·国内外研究现状 | 第15-20页 |
| ·国外研究现状 | 第15-18页 |
| ·国内研究现状 | 第18-19页 |
| ·目前存在的主要问题 | 第19-20页 |
| ·本文主要研究内容 | 第20页 |
| ·论文章节安排 | 第20-22页 |
| 2 煤矸界面识别基本原理和实验系统 | 第22-32页 |
| ·综采工作面放顶煤工艺 | 第22-23页 |
| ·基于自然γ射线的煤矸界面识别方法 | 第23-24页 |
| ·基于振动探测的煤矸界面识别原理 | 第24-25页 |
| ·煤矸界面识别实验系统组成 | 第25-31页 |
| ·传感器选型及安装位置 | 第26-28页 |
| ·煤矸界面探测仪 | 第28-30页 |
| ·煤矸界面识别模型 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 3 煤矸振动信号的时频分析方法 | 第32-56页 |
| ·煤矸振动信号预处理 | 第32-34页 |
| ·煤矸振动信号的时频域特征 | 第34-39页 |
| ·时域分析方法 | 第35-37页 |
| ·频域分析方法 | 第37-39页 |
| ·时频分析的主要理论 | 第39-50页 |
| ·短时傅里叶变换 | 第41-44页 |
| ·Wigner-Ville分布 | 第44-48页 |
| ·小波变换 | 第48-50页 |
| ·时频分析在煤矸振动信号分析中的应用 | 第50-54页 |
| ·STFT时频谱 | 第50-52页 |
| ·Wigner-Ville分布谱图 | 第52-53页 |
| ·Morlet小波尺度谱 | 第53-54页 |
| ·实验结果比较 | 第54页 |
| ·本章小结 | 第54-56页 |
| 4 煤矸振动信号的Hilbert-Huang变换分析方法 | 第56-84页 |
| ·Hilbert-Huang变换的基本理论 | 第56-58页 |
| ·Hilbert变换和瞬时频率 | 第56-58页 |
| ·固有模态函数 | 第58页 |
| ·Hilbert-Huang变换方法的实现 | 第58-68页 |
| ·经验模态分解 | 第59-60页 |
| ·Hilbert-谱和Hilbert边际谱 | 第60-64页 |
| ·Hilbert-Huang变换的端点效应 | 第64-68页 |
| ·基于Hilbert-Huang变换的煤矸振动特征提取 | 第68-82页 |
| ·煤矸振动信号EMD分解 | 第68-72页 |
| ·IMF分量的能量特征提取 | 第72-74页 |
| ·IMF分量的矩阵奇异值特征提取 | 第74-76页 |
| ·Hilbert谱的信息熵特征提取 | 第76-79页 |
| ·Hilbert边际谱能量特征提取 | 第79-82页 |
| ·本章小结 | 第82-84页 |
| 5 煤矸界面识别理论的仿真实验验证 | 第84-106页 |
| ·煤矸界面模式识别技术 | 第84-85页 |
| ·基于距离判别的煤矸界面识别方法 | 第85-88页 |
| ·距离判别法分类原理 | 第85页 |
| ·距离判别法在煤矸界面识别中的应用 | 第85-88页 |
| ·基于BP神经网络的煤矸界面识别方法 | 第88-92页 |
| ·BP神经网络分类原理 | 第88-89页 |
| ·BP神经网络在煤矸界面识别中的应用 | 第89-92页 |
| ·基于支持向量机的煤矸界面识别方法 | 第92-99页 |
| ·统计学习理论 | 第92-94页 |
| ·支持向量机分类算法 | 第94-96页 |
| ·支持向量机核函数 | 第96-97页 |
| ·支持向量机在煤矸界面识别中的应用 | 第97-99页 |
| ·实验结果分析比较 | 第99-103页 |
| ·基于煤矸界面识别的综采放顶煤工艺 | 第103-104页 |
| ·顶煤放落规律对煤矸界面识别的影响 | 第103-104页 |
| ·顶煤放出的控制策略 | 第104页 |
| ·本章小结 | 第104-106页 |
| 6 结论与展望 | 第106-108页 |
| ·本文主要工作和研究成果 | 第106-107页 |
| ·本文主要创新点 | 第107页 |
| ·煤矸界面识别研究展望 | 第107-108页 |
| 参考文献 | 第108-116页 |
| 致谢 | 第116-118页 |
| 作者简介 | 第118页 |
| 在学期间发表的学术论文 | 第118页 |
| 在学期间参加的科研项目 | 第118页 |