摘要 | 第3-5页 |
ABSTRACT | 第5-7页 |
第一章 绪论 | 第11-19页 |
1.1 掘进机简介 | 第11-12页 |
1.2 课题研究背景及意义 | 第12-13页 |
1.3 课题研究现状及发展趋势 | 第13-16页 |
1.3.1 掘进机国内外研究现状及发展态势 | 第13-15页 |
1.3.2 动载荷识别技术国内外研究现状 | 第15-16页 |
1.4 本文研究目标及主要内容 | 第16-19页 |
第二章 岩巷掘进机截割机构动力学特性分析 | 第19-27页 |
2.1 截割机构截割机理 | 第19-20页 |
2.1.1 截割机构构成 | 第19-20页 |
2.1.2 岩石截割机理 | 第20页 |
2.2 截割岩石运动学特性分析 | 第20-22页 |
2.2.1 截齿受力分析 | 第21页 |
2.2.2 截割头受力分析 | 第21-22页 |
2.3 监测量的确定 | 第22-26页 |
2.3.1 基于截割电动机的分析 | 第23页 |
2.3.2 基于液压缸的分析 | 第23-25页 |
2.3.3 基于机械振动的分析 | 第25-26页 |
2.4 本章小结 | 第26-27页 |
第三章 截割岩石动载荷识别系统整体方案设计 | 第27-41页 |
3.1 系统整体设计原则及要求 | 第27-28页 |
3.1.1 设计原则 | 第27-28页 |
3.1.2 功能要求 | 第28页 |
3.2 系统整体方案设计 | 第28-30页 |
3.3 硬件设计方案 | 第30-37页 |
3.3.1 传感器安装位置的确定 | 第30-31页 |
3.3.2 传感器选型 | 第31-34页 |
3.3.3 信号采集模块设计 | 第34-36页 |
3.3.4 数据采集卡选型 | 第36-37页 |
3.4 软件设计方案 | 第37-39页 |
3.4.1 软件组成 | 第37-38页 |
3.4.2 动载荷识别软件 | 第38-39页 |
3.5 控制器的选择 | 第39-40页 |
3.6 本章小结 | 第40-41页 |
第四章 截割岩石动载荷特征提取方法 | 第41-55页 |
4.1 截割岩石动载荷信号特征提取的必要性 | 第41页 |
4.2 截割岩石动载荷信号的频域分析 | 第41-42页 |
4.3 截割岩石动载荷信号的小波分析 | 第42-44页 |
4.4 截割岩石动载荷信号的小波包分析 | 第44-48页 |
4.4.1 小波包分析法的应用 | 第44-45页 |
4.4.2 小波包最优基的选择 | 第45-46页 |
4.4.3 截割岩石动载荷信号的小波包消噪 | 第46-48页 |
4.5 截割岩石动载荷信号的小波包特征量提取 | 第48-53页 |
4.5.1 小波包特征量的提取 | 第48-49页 |
4.5.2 截割岩石动载荷信号特征量提取 | 第49-53页 |
4.6 本章小结 | 第53-55页 |
第五章 截割岩石动载荷识别软件系统设计 | 第55-73页 |
5.1 LabVIEW简介 | 第55-57页 |
5.1.1 虚拟仪器简介 | 第55-56页 |
5.1.2 虚拟仪器构成 | 第56-57页 |
5.1.3 LabVIEW程序设计过程 | 第57页 |
5.2 截割岩石动载荷识别软件系统总体架构 | 第57-58页 |
5.3 信号采集模块设计 | 第58-63页 |
5.3.1 信号采集系统 | 第58-59页 |
5.3.2 信号同步采集的实现 | 第59-60页 |
5.3.3 多参量同步采集模块设计 | 第60-61页 |
5.3.4 数据采集程序设计 | 第61-63页 |
5.4 小波包特征提取程序设计 | 第63-65页 |
5.4.1 小波包消噪程序设计 | 第63-64页 |
5.4.2 小波包能量提取程序设计 | 第64-65页 |
5.5 数据存储管理模块 | 第65-71页 |
5.5.1 数据表的建立 | 第66-67页 |
5.5.2 与数据库的链接 | 第67-69页 |
5.5.3 数据库的管理 | 第69-71页 |
5.6 人机界面显示 | 第71-72页 |
5.7 本章小结 | 第72-73页 |
第六章 基于多传感器信息融合的截割岩石动载荷识别技术研究 | 第73-93页 |
6.1 多传感器信息融合技术的应用 | 第73-77页 |
6.1.1 多传感器信息融合结构的选择 | 第73-75页 |
6.1.2 多传感器信息融合层级的确定 | 第75页 |
6.1.3 多传感器信息融合的过程 | 第75-76页 |
6.1.4 多传感器信息融合方法的选择 | 第76-77页 |
6.2 基于神经网络的多传感器信息融合识别 | 第77-79页 |
6.2.1 人工神经网络简介 | 第77-78页 |
6.2.2 人工神经网络在信息融合中的应用 | 第78-79页 |
6.3 基于神经网络的多传感器信息融合技术在截割岩石动载荷识别中的应用 | 第79-85页 |
6.3.1 基于神经网络的动载荷识别 | 第79-80页 |
6.3.2 RBF神经网络简介 | 第80-81页 |
6.3.3 RBF神经网络的算法 | 第81-83页 |
6.3.4 截割岩石动载荷识别的RBF神经网络模型设计 | 第83-85页 |
6.4 RBF神经网络融合识别的LabVIEW实现及分析 | 第85-91页 |
6.4.1 RBF神经网络的LabVIEW实现 | 第85-87页 |
6.4.2 一级RBF神经网络多传感器信息融合识别系统的测试及分析 | 第87-89页 |
6.4.3 基于二级RBF神经网络的截割岩石动载荷识别模型设计 | 第89-91页 |
6.5 本章小结 | 第91-93页 |
第七章 结论与展望 | 第93-95页 |
7.1 研究结论 | 第93页 |
7.2 工作展望 | 第93-95页 |
参考文献 | 第95-101页 |
致谢 | 第101-103页 |
作者在攻读硕士学位期间的研究成果 | 第103页 |