| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 煤与瓦斯突出预测系统的概述 | 第8-16页 |
| ·煤与瓦斯突出简介 | 第8-9页 |
| ·突出的类型 | 第8页 |
| ·煤与瓦斯突出的一般规律 | 第8-9页 |
| ·煤与瓦斯突出危害及其防治 | 第9-10页 |
| ·煤与瓦斯突出的危害 | 第9页 |
| ·防止煤与瓦斯突出的措施和预防措施 | 第9-10页 |
| ·煤与瓦斯突出预测现状 | 第10-13页 |
| ·煤与瓦斯突出区域预测技术 | 第10-11页 |
| ·煤与瓦斯突出动态预测技术 | 第11-13页 |
| ·煤与瓦斯突出预测的研究意义 | 第13-14页 |
| ·本论文的主要工作 | 第14页 |
| ·论文的结构安排 | 第14-16页 |
| 2 利用灰色理论确定煤与瓦斯突出的主控因素 | 第16-24页 |
| ·加权灰色关联模型的建立 | 第16-18页 |
| ·灰色关联系数 | 第17页 |
| ·权重系数的确定 | 第17-18页 |
| ·加权灰色关联度的确定 | 第18页 |
| ·某矿煤与瓦斯突出主控因素确定及结果分析 | 第18-22页 |
| ·煤与瓦斯突出主控因素的确定 | 第18-21页 |
| ·加权灰色关联度的计算 | 第21-22页 |
| ·结果分析 | 第22页 |
| ·结论 | 第22-24页 |
| 3 多传感器数据融合技术概述 | 第24-35页 |
| ·数据融合的定义与分类 | 第24-25页 |
| ·多传感器数据融合的特点 | 第25-26页 |
| ·多传感器信息融合的基本原理 | 第26页 |
| ·信息融合的方法 | 第26-29页 |
| ·信息融合的结构 | 第29-30页 |
| ·数据融合处理多传感器信息的过程 | 第30-32页 |
| ·信息融合的级别 | 第32-33页 |
| ·信息融合的关键问题 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 煤与瓦斯突出预测中的多传感器数据融合 | 第35-57页 |
| ·煤与瓦斯突出预测中的多传感器信息融合的结构 | 第35-36页 |
| ·煤与瓦斯突出预测中的多传感器信息融合的融合方式 | 第36-38页 |
| ·一级融合算法及应用 | 第38-42页 |
| ·自适应加权算法原理 | 第38-40页 |
| ·权的确定方法 | 第40-41页 |
| ·基于自适应加权算法的参数的一级融合 | 第41-42页 |
| ·二级融合算法及应用 | 第42-55页 |
| ·人工神经网络 | 第42-43页 |
| ·BP网络模型与结构 | 第43-44页 |
| ·BP网络算法 | 第44-48页 |
| ·BP网络学习过程具体步骤 | 第48-51页 |
| ·BP网络设计 | 第51-52页 |
| ·煤与瓦斯突出预测系统二级融合的 BP网络设计及仿真 | 第52-55页 |
| ·误差分析 | 第55页 |
| ·本章小结 | 第55-57页 |
| 5 CAN总线技术在煤与瓦斯突出预测中的应用 | 第57-71页 |
| ·现场总线技术 | 第57-58页 |
| ·现场总线的结构特点 | 第57-58页 |
| ·现场总线的技术特点 | 第58页 |
| ·现场总线的优点 | 第58页 |
| ·现场总线的类型 | 第58页 |
| ·CAN现场总线技术 | 第58-63页 |
| ·CAN总线的特点 | 第59-61页 |
| ·CAN总线的基本工作原理 | 第61页 |
| ·CAN总线通信接口设计 | 第61-63页 |
| ·基于 CAN总线的煤与瓦斯突出预测系统网络设计 | 第63-69页 |
| ·设备层的功能及实现 | 第65-66页 |
| ·控制层的功能及实现 | 第66-67页 |
| ·需解决的关键问题 | 第67-68页 |
| ·CAN智能节点的设计 | 第68-69页 |
| ·本章小结 | 第69-71页 |
| 6 结论和展望 | 第71-73页 |
| ·全文结论 | 第71页 |
| ·展望 | 第71-73页 |
| 参考文献 | 第73-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间发表的论文 | 第76-77页 |
| 附录A | 第77页 |