| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-19页 |
| ·课题背景及意义 | 第11-12页 |
| ·课题背景 | 第11页 |
| ·课题意义 | 第11-12页 |
| ·国内外发展现状 | 第12-16页 |
| ·煤矿瓦斯监控系统控制技术发展现状 | 第12-14页 |
| ·煤矿局部通风机控制技术发展现状 | 第14-15页 |
| ·煤矿瓦斯抽放控制技术发展现状 | 第15-16页 |
| ·预测控制的发展现状 | 第16页 |
| ·瓦斯监控技术的发展趋势 | 第16-17页 |
| ·课题来源及本文主要工作 | 第17-19页 |
| ·课题来源 | 第17页 |
| ·本文主要工作 | 第17-19页 |
| 2 瓦斯监控系统概述 | 第19-27页 |
| ·瓦斯监控系统 | 第19-21页 |
| ·瓦斯监控系统的总体结构 | 第19-20页 |
| ·瓦斯监控系统的功能及原理 | 第20-21页 |
| ·矿用局部通风机简介 | 第21-24页 |
| ·风机节能原理 | 第22页 |
| ·掘进工作面风量选择 | 第22-24页 |
| ·井下移动抽排泵简介 | 第24-25页 |
| ·瓦斯监控的控制特点与难点 | 第25-27页 |
| 3 数学基础 | 第27-42页 |
| ·预测控制 | 第27-34页 |
| ·模型预测控制产生背景及应用 | 第27-28页 |
| ·模型预测控制的基本原理 | 第28-32页 |
| ·模型预测控制的数学描述 | 第32页 |
| ·控制参数选择对系统性能的影响 | 第32-34页 |
| ·径向基神经网络 | 第34-42页 |
| ·人工神经网络简述 | 第34-38页 |
| ·径向基函数神经网络概述 | 第38-40页 |
| ·RBF 神经网络的构建及学习算法 | 第40-42页 |
| 4 改进PSO 优化算法及原理 | 第42-54页 |
| ·粒子群算法的发展背景 | 第42-44页 |
| ·粒子群优化算法的生物群体模型 | 第44-45页 |
| ·粒子群优化算法的基本原理 | 第45-49页 |
| ·粒子群基本原理 | 第45-46页 |
| ·粒子群算法流程 | 第46-47页 |
| ·粒子群算法的特点 | 第47-49页 |
| ·粒子群算法参数选择与分析 | 第49-51页 |
| ·改进粒子群算法及收敛性分析 | 第51-54页 |
| ·改进粒子群算法（Modified PSO，MPSO） | 第51-52页 |
| ·改进粒子群算法的收敛性分析 | 第52-54页 |
| 5 瓦斯监控系统建模与控制 | 第54-70页 |
| ·瓦斯监控系统的控制任务与要求 | 第54-55页 |
| ·基于RBF 和 PSO 的非线性模型预测控制算法 | 第55-63页 |
| ·RBF-PSO 应用于非线性预测控制可行性分析 | 第55-56页 |
| ·算法结构 | 第56-60页 |
| ·运算流程 | 第60-61页 |
| ·性能仿真 | 第61-63页 |
| ·瓦斯监控系统控制对象的建模 | 第63-66页 |
| ·局部通风机的RBF 模型 | 第63-65页 |
| ·煤层瓦斯突出强度的RBF 模型 | 第65-66页 |
| ·基于改进PSO 算法的瓦斯监控RBF 预测控制设计与仿真 | 第66-70页 |
| ·控制系统设计 | 第66-67页 |
| ·系统仿真与结果比较 | 第67-70页 |
| 结论 | 第70-73页 |
| 参考文献 | 第73-77页 |
| 附录A-1 训练样本 | 第77-78页 |
| 附录A-2 测试样本 | 第78-79页 |
| 附录B 突出强度及其影响因子监测数据表 | 第79-81页 |
| 作者简历 | 第81-82页 |
| 学位论文教据桌 | 第82-83页 |
