基于信息融合技术的采煤机自动调高系统研究

论文摘要

煤炭是我国主要的能源,煤炭产业的发展关系到国家的经济命脉。采煤机及其控制系统是煤炭开采的主要设备。采煤机合理的调高策略与先进的控制技术研究已经成为采煤工业的重中之重,受到了广泛的关注。本文先对传感器采集的信号运用小波包的方法进行特征值的提取,然后对提取的信号采用D-S证据理论与遗传神经网络相结合的方法得出更为精确的数据,使得煤岩界面识别更为准确,给采煤机控制系统提供了更为精确的数据信息。采用先进的TMS320F2812芯片作为控制系统的核心。利用DSP技术提高采煤机控制系统的基本性能,并为进一步发展煤岩界面自动识别、煤机自动操作技术和在线故障诊断,提供了强大的硬件支持。通过实验数据验证了系统的可靠性与灵敏度。基于信息融合技术的采煤机控制系统在煤炭的开采方面有很大的优越性,具有广阔发展的前景。

论文目录

• 摘要
• Abstract
• 1 概述
• 1.1 课题研究的背景与意义
• 1.2 国内外采煤机与煤岩识别方面的研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.2.3 目前存在的问题
• 1.3 多传感器信息融合技术
• 1.4 论文的主要工作
• 1.5 论文的创新点
• 2 采煤机调高系统分析
• 2.1 采煤机驱动系统分析
• 2.2 采煤机运动机构分析
• 2.3 摇臂驱动机构分析
• 2.4 采煤机工作信号的确定
• 3 煤岩界面识别的信号的特征提取研究
• 3.1 小波变换理论
• 3.1.1 小波变换简介
• 3.1.2 二进小波变换
• 3.1.3 多分辨率分析
• 3.1.4 小波分析的不足
• 3.2 小波包分析
• 3.2.1 小波包函数的定义
• 3.2.2 小波包函数的正交子空间分解
• 3.3 基于小波包分解的能量分布特征的提取
• 3.4 煤岩界面特征提取实验
• 4 基于遗传神经网络和信息融合技术的煤岩界面识别
• 4.1 信息融合综述
• 4.2 D-S 证据理论信息融合方法
• 4.3 基于BP神经网络的煤岩识别
• 4.3.1 BP 神经网络的结构
• 4.3.2 输入层和输出层节点数的确定
• 4.3.3 隐含层的个数和层内节点数的确定
• 4.3.4 标准BP算法的优缺点
• 4.4 基于遗传神经网络的煤岩界面识别
• 4.4.1 遗传算法的应用
• 4.4.2 实验数据分析
• 4.5 煤岩界面融合和预测的算法
• 5 调高系统的设计
• 5.1 调高系统的硬件设计
• 5.2 可靠性和抗干扰技术
• 5.2.1 控制系统可靠性设计
• 5.2.2 控制系统抗电磁干扰设计
• 5.3 软件设计
• 5.3.1 下位机软件设计
• 5.3.2 上位机软件设计
• 结论
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文及科研成果
• 附录A