| 摘要 | 第1页 |
| Abstract | 第5-6页 |
| 详细摘要 | 第6-8页 |
| Detailed Abstract | 第8-14页 |
| 1 引言 | 第14-26页 |
| ·课题的研究背景和意义 | 第14-17页 |
| ·矿井瓦斯气体检测的基本原理 | 第17-20页 |
| ·光干涉型瓦斯传感器 | 第17页 |
| ·载体催化型瓦斯传感器 | 第17-18页 |
| ·热导型瓦斯传感器 | 第18页 |
| ·气敏半导体型瓦斯传感器 | 第18-19页 |
| ·红外型瓦斯传感器 | 第19-20页 |
| ·红外检测技术国内外研究状况 | 第20-22页 |
| ·建立基于支持向量机的红外瓦斯传感器数学模型的必要性 | 第22-24页 |
| ·机器学习 | 第22-23页 |
| ·支持向量机 | 第23页 |
| ·建立支持向量机的红外瓦斯传感器数学模型的必要性 | 第23-24页 |
| ·论文的创新点和主要内容 | 第24-26页 |
| ·论文的创新点 | 第24页 |
| ·论文的主要内容 | 第24-26页 |
| 2 红外检测技术理论 | 第26-36页 |
| ·普朗克定律 | 第26-28页 |
| ·斯蒂芬—玻尔兹曼定律 | 第28-29页 |
| ·朗伯定律和朗伯—比耳定律 | 第29-31页 |
| ·红外吸收带模型 | 第31-34页 |
| ·爱尔撒司模型 | 第32-33页 |
| ·古迪模型 | 第33-34页 |
| ·随机模型 | 第34页 |
| ·准随机模型 | 第34页 |
| ·红外吸收带模型的局限性 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 3 基于支持向量机的矿用红外瓦斯传感器数学模型的相关理论研究 | 第36-62页 |
| ·最优化理论基础 | 第36-43页 |
| ·机器学习问题 | 第36-39页 |
| ·最优化问题 | 第39-40页 |
| ·凸最优化 | 第40-42页 |
| ·最优性条件 | 第42-43页 |
| ·支持向量机的基本思想 | 第43-50页 |
| ·最优超平面 | 第43-46页 |
| ·广义最优超平面 | 第46-47页 |
| ·支持向量机 | 第47-50页 |
| ·支持向量机回归 | 第50-58页 |
| ·回归问题 | 第50-52页 |
| ·损失函数 | 第52-55页 |
| ·支持向量机回归 | 第55-58页 |
| ·支持向量机应用 | 第58-61页 |
| ·模式识别 | 第58-59页 |
| ·回归估计 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 4 基于支持向量机的矿用红外瓦斯传感器数学模型的建立 | 第62-82页 |
| ·建立红外瓦斯传感器数学补偿模型的必要性 | 第62-63页 |
| ·红外瓦斯传感器校正补偿原理 | 第63页 |
| ·基于支持向量机的红外瓦斯传感器数学模型的建立 | 第63-76页 |
| ·ε-支持向量机回归模型 | 第63-65页 |
| ·最小二乘支持向量机模型 | 第65-67页 |
| ·ν-支持向量机回归模型 | 第67页 |
| ·核扩展 | 第67-72页 |
| ·模型参数的控制作用 | 第72-76页 |
| ·基于支持向量机的矿用红外瓦斯传感器模型的实现、训练和测试 | 第76-79页 |
| ·实验结果及分析 | 第79页 |
| ·本章小结 | 第79-82页 |
| 5 基于支持向量机的矿用红外瓦斯检测系统研究与实现 | 第82-106页 |
| ·红外瓦斯检测系统性能要求 | 第82-83页 |
| ·矿用红外瓦斯传感器研究与实现 | 第83-93页 |
| ·红外气体传感器基本组成 | 第83-84页 |
| ·矿用红外瓦斯传感器构件选型 | 第84-86页 |
| ·矿用红外瓦斯传感器气室光学结构 | 第86-89页 |
| ·矿用红外瓦斯传感器性能测试 | 第89-93页 |
| ·矿用红外瓦斯检测装置设计与实现 | 第93-98页 |
| ·系统电源模块设计与实现 | 第93-94页 |
| ·信号采集电路设计与实现 | 第94-95页 |
| ·LCD显示与人机交互模块电路设计与实现 | 第95-96页 |
| ·串口通信电路设计与实现 | 第96-97页 |
| ·系统其他电路设计与实现 | 第97-98页 |
| ·基于支持向量机的矿用红外瓦斯检测系统软件实现 | 第98-103页 |
| ·矿用红外瓦斯检测系统主程序设计与实现 | 第99页 |
| ·矿用红外瓦斯检测系统部分子程序设计与实现 | 第99-103页 |
| ·基于支持向量机的矿用红外瓦斯检测系统性能测试 | 第103页 |
| ·本章小结 | 第103-106页 |
| 6 结论与展望 | 第106-108页 |
| ·结论 | 第106-107页 |
| ·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 |
