| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-14页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.2.1 矿井WSN研究现状 | 第11-12页 |
| 1.2.2 矿井WSN数据融合技术研究现状 | 第12页 |
| 1.3 本文研究内容及篇章结构 | 第12-14页 |
| 1.3.1 本文研究内容 | 第12-13页 |
| 1.3.2 论文篇章结构 | 第13-14页 |
| 2 矿井WSN及其数据融合技术概述 | 第14-22页 |
| 2.1 矿井WSN概述 | 第14-16页 |
| 2.1.1 WSN概念及体系结构 | 第14-15页 |
| 2.1.2 WSN矿井监控技术应用 | 第15-16页 |
| 2.2 矿井WSN数据融合技术概述 | 第16-20页 |
| 2.2.1 数据融合概念及分类 | 第16-18页 |
| 2.2.2 常见的数据融合方法 | 第18-19页 |
| 2.2.3 矿井WSN数据融合技术作用 | 第19-20页 |
| 2.3 本章小结 | 第20-22页 |
| 3 WSN及WSN数据融合技术在矿井下的应用研究 | 第22-30页 |
| 3.1 WSN在矿井下的应用研究 | 第22-26页 |
| 3.1.1 WSN在矿井下的应用需求分析 | 第22页 |
| 3.1.2 基于WSN的矿井安全监控系统网络架构 | 第22-23页 |
| 3.1.3 矿井WSN拓扑控制研究 | 第23-26页 |
| 3.2 WSN数据融合技术在矿井下的应用研究 | 第26-29页 |
| 3.2.1 WSN数据融合技术在矿井下的应用需求分析 | 第26-27页 |
| 3.2.2 矿井下WSN数据融合算法研究 | 第27-29页 |
| 3.3 本章小结 | 第29-30页 |
| 4 基于BP神经网络的矿井WSN数据融合技术研究 | 第30-54页 |
| 4.1 问题提出 | 第30页 |
| 4.2 采空区BP神经网络数据融合技术研究 | 第30-39页 |
| 4.2.1 采空区火灾监测数据类型 | 第30-31页 |
| 4.2.2 采空区BP神经网络数据融合模型 | 第31-37页 |
| 4.2.3 采空区火灾预警判定 | 第37-39页 |
| 4.3 回采工作面BP神经网络数据融合模型 | 第39-44页 |
| 4.3.1 回采工作面瓦斯灾害监测数据类型 | 第39页 |
| 4.3.2 回采工作面BP神经网络数据融合模型 | 第39-43页 |
| 4.3.3 回采工作面瓦斯灾害预警判定 | 第43-44页 |
| 4.4 BP神经网络数据融合实现过程 | 第44-46页 |
| 4.5 仿真结果及分析 | 第46-51页 |
| 4.5.1 仿真参数设置 | 第46页 |
| 4.5.2 仿真结果分析 | 第46-51页 |
| 4.6 本章小结 | 第51-54页 |
| 5 实验平台搭建及实现 | 第54-66页 |
| 5.1 实验平台硬件介绍 | 第54-61页 |
| 5.2 实验平台软件介绍 | 第61-64页 |
| 5.2.1 无线分站工作流程 | 第61-62页 |
| 5.2.2 簇首节点工作流程 | 第62-63页 |
| 5.2.3 簇成员节点工作流程 | 第63-64页 |
| 5.3 平台测试及结果分析 | 第64-65页 |
| 5.4 本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 工作总结 | 第66页 |
| 6.2 工作展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 作者简介 | 第74-76页 |
| 学位论文数据集 | 第76页 |