煤矸界面的自動(dòng)識(shí)別技術(shù)

第1章　煤矸界面的自動(dòng)識(shí)別技術(shù)研究概述 001 1.1　研究背景與意義 002 1.2　國(guó)內(nèi)外煤矸界面識(shí)別研究現(xiàn)狀 004 1.2.1　國(guó)外煤矸界面識(shí)別研究現(xiàn)狀 006 1.2.2　國(guó)內(nèi)煤矸界面識(shí)別研究現(xiàn)狀 011 1.2.3　目前煤矸界面識(shí)別存在的問題 013 1.3　本書研究方法和主要內(nèi)容 014 第2章　尾梁振動(dòng)分析及實(shí)驗(yàn)系統(tǒng) 017 2.1　尾梁的振動(dòng)分析 018 2.1.1　尾梁的自由振動(dòng) 018 2.1.2　尾梁的受迫振動(dòng) 020 2.2　信號(hào)的拾取 022 2.2.1　傳感器的選用原則 022 2.2.2　振動(dòng)信號(hào)傳感器 023 2.2.3　聲波信號(hào)傳感器 024 2.3　實(shí)驗(yàn)系統(tǒng)概述及傳感器安裝 025 2.4　煤矸界面自動(dòng)識(shí)別原理 030 2.5　現(xiàn)場(chǎng)綜放工作面 031 第3章　基于局域波分解的振動(dòng)信號(hào)特征提取與識(shí)別 035 3.1　Hilbert 變換 037 3.1.1　連續(xù)信號(hào)的Hilbert 變換 037 3.1.2　離散時(shí)間信號(hào)的Hilbert 變換 040 3.2　瞬時(shí)頻率和固有模態(tài)函數(shù) 041 3.3　局域波分解過程 044 3.3.1　均值求法 044 3.3.2　分量提取 048 3.4　基于局域波分解的尾梁振動(dòng)信號(hào)分析 049 3.4.1　尾梁振動(dòng)信號(hào)的局域波分解 050 3.4.2　基于局域波分解的煤矸界面特征提取方法 052 3.4.3　振動(dòng)信號(hào)的Hilbert 譜和邊際譜分析 058 3.4.4　振動(dòng)信號(hào)的距離判別方法 064 第4章　聲波信號(hào)的時(shí)間序列建模與分析 071 4.1　時(shí)間序列基本原理 073 4.2　時(shí)間序列模型類型 075 4.2.1　AR 自回歸模型 075 4.2.2　MA 滑動(dòng)平均模型 076 4.2.3　ARMA 自回歸滑動(dòng)平均模型 076 4.2.4　ARIMA 自回歸綜合滑動(dòng)平均模型 078 4.3　煤矸聲波信號(hào)的時(shí)序建模 079 4.3.1　數(shù)據(jù)預(yù)處理 081 4.3.2　判定模型類型 083 4.3.3　模型參數(shù)估計(jì) 085 4.3.4　模型階數(shù) 086 4.3.5　模型驗(yàn)證 089 4.4　基于ARMA 模型的雙譜分析及其特征 092 4.5　基于ARMA 模型殘差方差的煤矸界面特征 096 第5章　BP神經(jīng)網(wǎng)絡(luò)在煤矸界面識(shí)別中的應(yīng)用 099 5.1　神經(jīng)元模型和學(xué)習(xí)方式 100 5.1.1　人工神經(jīng)元模型 101 5.1.2　學(xué)習(xí)方式及算法 103 5.2　振動(dòng)信號(hào)的BP神經(jīng)網(wǎng)絡(luò)識(shí)別 103 5.2.1　BP 神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì) 104 5.2.2　振動(dòng)信號(hào)的識(shí)別 110 5.3　聲波信號(hào)的BP神經(jīng)網(wǎng)絡(luò)識(shí)別 112 5.4　基于信息融合的識(shí)別方法 113 附錄1　emd 分量峰值程序 117 附錄2　邊際譜分析程序 118 附錄3　峰值函數(shù)程序 122