| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 变量注释表 | 第17-21页 |
| 1 绪论 | 第21-30页 |
| 1.1 课题研究的背景与意义 | 第21-22页 |
| 1.2 液压凿岩机的研究现状 | 第22-27页 |
| 1.3 人工智能识别技术在机械领域的应用现状 | 第27-28页 |
| 1.4 课题研究的主要内容 | 第28-30页 |
| 2 液压凿岩机凿岩辨识关键参数的研究 | 第30-45页 |
| 2.1 基于波动理论的冲击系统的建模与分析 | 第30-36页 |
| 2.2 液压回转系统的动力学研究 | 第36-40页 |
| 2.3 液压推进系统 | 第40-42页 |
| 2.4 钎杆回弹的缓冲装置 | 第42-44页 |
| 2.5 本章小结 | 第44-45页 |
| 3 凿岩状态测试系统设计与实验 | 第45-55页 |
| 3.1 测试系统设计 | 第45-48页 |
| 3.2 冲击活塞杆速度的计算方法 | 第48-49页 |
| 3.3 软件设计 | 第49-51页 |
| 3.4 凿岩辨识关键参数的测试 | 第51-54页 |
| 3.5 本章小结 | 第54-55页 |
| 4 BP神经网络的凿岩辨识方法研究 | 第55-74页 |
| 4.1 BP神经网络理论 | 第55-64页 |
| 4.2 GA-LM的BP神经网络的凿岩状态辨识系统设计 | 第64-69页 |
| 4.3 基于GA-LM的BP神经网络的凿岩状态辨识仿真研究 | 第69-73页 |
| 4.4 本章小结 | 第73-74页 |
| 5 支持向量机的凿岩辨识方法研究 | 第74-88页 |
| 5.1 支持向量机理论 | 第74-79页 |
| 5.2 多分类支持向量机的凿岩状态辨识系统设计 | 第79-83页 |
| 5.3 多分类支持向量机凿岩状态辨识仿真研究 | 第83-87页 |
| 5.4 本章小结 | 第87-88页 |
| 6 数据融合技术的凿岩辨识方法研究 | 第88-101页 |
| 6.1 数据融合技术 | 第88-89页 |
| 6.2 D-S证据理论 | 第89-95页 |
| 6.3 多源数据融合技术的凿岩状态辨识方法研究 | 第95-99页 |
| 6.4 对比分析 | 第99-100页 |
| 6.5 本章小结 | 第100-101页 |
| 7 总结与展望 | 第101-103页 |
| 7.1 总结 | 第101-102页 |
| 7.2 展望 | 第102-103页 |
| 参考文献 | 第103-109页 |
| 作者简历 | 第109-111页 |
| 学位论文数据集 | 第111页 |