煤矸界面的自動識別技術

第1章　煤矸界面的自動識別技術研究概述 001 1.1　研究背景與意義 002 1.2　國內(nèi)外煤矸界面識別研究現(xiàn)狀 004 1.2.1　國外煤矸界面識別研究現(xiàn)狀 006 1.2.2　國內(nèi)煤矸界面識別研究現(xiàn)狀 011 1.2.3　目前煤矸界面識別存在的問題 013 1.3　本書研究方法和主要內(nèi)容 014 第2章　尾梁振動分析及實驗系統(tǒng) 017 2.1　尾梁的振動分析 018 2.1.1　尾梁的自由振動 018 2.1.2　尾梁的受迫振動 020 2.2　信號的拾取 022 2.2.1　傳感器的選用原則 022 2.2.2　振動信號傳感器 023 2.2.3　聲波信號傳感器 024 2.3　實驗系統(tǒng)概述及傳感器安裝 025 2.4　煤矸界面自動識別原理 030 2.5　現(xiàn)場綜放工作面 031 第3章　基于局域波分解的振動信號特征提取與識別 035 3.1　Hilbert 變換 037 3.1.1　連續(xù)信號的Hilbert 變換 037 3.1.2　離散時間信號的Hilbert 變換 040 3.2　瞬時頻率和固有模態(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信號分析 049 3.4.1　尾梁振動信號的局域波分解 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　振動信號的Hilbert 譜和邊際譜分析 058 3.4.4　振動信號的距離判別方法 064 第4章　聲波信號的時間序列建模與分析 071 4.1　時間序列基本原理 073 4.2　時間序列模型類型 075 4.2.1　AR 自回歸模型 075 4.2.2　MA 滑動平均模型 076 4.2.3　ARMA 自回歸滑動平均模型 076 4.2.4　ARIMA 自回歸綜合滑動平均模型 078 4.3　煤矸聲波信號的時序建模 079 4.3.1　數(shù)據(jù)預處理 081 4.3.2　判定模型類型 083 4.3.3　模型參數(shù)估計 085 4.3.4　模型階數(shù) 086 4.3.5　模型驗證 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)絡在煤矸界面識別中的應用 099 5.1　神經(jīng)元模型和學習方式 100 5.1.1　人工神經(jīng)元模型 101 5.1.2　學習方式及算法 103 5.2　振動信號的BP神經(jīng)網(wǎng)絡識別 103 5.2.1　BP 神經(jīng)網(wǎng)絡的設計 104 5.2.2　振動信號的識別 110 5.3　聲波信號的BP神經(jīng)網(wǎng)絡識別 112 5.4　基于信息融合的識別方法 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