一、An optimized control of ventilation in coal mines based on artificial neural network（论文文献综述）
方丹[1]（2021）在《掘进工作面自动风窗开度的预测控制研究》文中指出煤矿井下的通风安全是保证井下安全作业的重要条件之一,良好的通风环境能够为井下工作人员提供安全保障。煤矿井下最容易发生安全事故的地点是掘进工作面,掘进工作面的局部通风设备主要包括局部通风机和风窗,而局部通风机基本没有实现变频,因此需经常调节风窗开度控制风量。现有煤矿井下调节风窗仍采用手动调节的方式,这种调节方式无法实现实时调节,且难以保证调节精度,存在安全隐患。因此实现风窗自动化,如何将对风窗开度的控制与掘进面有害气体浓度联系起来具有十分重要的意义。文章主要研究掘进工作面的风窗,通过研究传统风窗控制的结构和控制方法,设计了风窗结构,研究了控制过程,得出风窗控制过程具有滞后性、非线性等特点。对影响掘进面瓦斯浓度的因素进行分析,在局部通风机的转速不变的情况下,对瓦斯浓度影响最大的因素是风窗开度,因此将风窗开度作为控制量,对掘进面的瓦斯浓度进行预测控制。研究了支持向量机分类原理和回归原理,分析支持向量机在瓦斯浓度预测方面的优势,研究了粒子群优化算法,利用粒子群对SVM和BP神经网络进行参数寻优,分别采用SVM、PSO-SVM和PSO-BP建立瓦斯浓度预测模型,并采用MATLAB仿真分析预测结果,选出拟合度最高的瓦斯浓度预测模型作为自动风窗预测控制系统中的预测模型。对风窗控制系统建立PSO-SVM预测模型,并将模型线性化与广义预测控制结合,利用MATLAB建立仿真模型,分别在有干扰发生时和无干扰发生时对风窗控制系统进行仿真,仿真结果表明系统能够平稳的跟踪给定信号,验证了将PSO-SVM建立的预测模型应用于广义预测控制,在风窗控制过程瓦斯浓度的控制是有效的,有着良好的控制性能。
许家昌[2]（2021）在《基于膜计算的煤矿井下无人直升机优化控制研究》文中研究表明伴随能源结构调整及煤炭供给侧结构性改革重要举措,煤炭安全精准开采是煤炭行业未来发展的必然趋势,安全和智能是其重要支撑。本文引入无人直升机对煤矿井下进行巡检,鉴于直升机自身的运动特性,如何保障无人直升机在井下复杂环境完成巡检任务是一项重要的研究课题。膜计算具有强大的分布式计算和并行处理能力,本文充分利用膜计算的计算高效性和通用性特征,实现了无人直升机在煤矿井下巡检过程中的优化控制,进一步拓展了膜计算在优化控制领域的应用,为煤矿未来智能精准开采提供了理论支持和安全保障。具体从以下方面进行研究:1)基于细胞型膜计算的无人直升机姿态控制。结合煤矿井下复杂环境建立煤矿巷道空气数学模型,构建无人直升机运动学和动力学姿态模型;构建环境映射参数下的适合无人直升机姿态控制模型的细胞型膜系统;设计具备膜系统特征及运算规则的无人直升机细胞型姿态膜控制器;通过实验验证该控制器的可行性和跟踪有效性。2)利用脉冲神经膜计算实现无人直升机姿态优化。基于脉冲神经膜系统的旋转和平移不变性特征,构建扩展脉冲神经膜系统;设计优化脉冲神经膜系统及算法,完成对扩展脉冲神经膜系统的优化可行性;从理论上证明优化脉冲神经膜系统对直升机姿态性能优化的有效性,并通过实验进行验证。3)基于概率膜计算实现无人直升机实时定位与地图构建（Ssimultaneous Localization and Mapping,SLAM）。将惯性测量单元（Inertial Measurement Unit,IMU）、激光雷达和深度相机传感器融合,基于稀疏滤波算法实现概率SLAM,进一步构建概率膜系统计算模型,设计膜内算法实现地图构建;通过实验验证概率膜系统提高无人直升机多传感器融合下SLAM精度的有效性。4)基于融入脉冲功能细胞型膜系统实现无人直升机航迹规划。引入时空编码,将空间信息进行时间表征,实现时间信息对空间信息编码;利用脉冲神经膜系统算法实现全局航迹规划;设计融入脉冲功能的细胞型膜系统和局部航迹规划算法,在全局航迹规划的基础上实现无人直升机实时避障;最后通过实验验证全局航迹规划算法的优越性和局部航迹规划算法的可行性。图[82]表[9]参考文献[115]。
胡磊[3]（2020）在《刮板输送机负载预测与调速控制研究》文中提出随着智能控制技术的发展,结合煤矿井下开采环境,实现工作面“少人”以及“无人化”开采是井下安全、高效生产的关键,同时也是煤矿智能开采的重要发展方向。刮板输送机作为综采工作面的主要运煤设备,承接采煤机开采过程中的落煤,且负载存在非线性、不稳定的特征,容易使刮板输送机因载荷突变而引起故障等问题。本文对刮板输送机电流进行特征幅值信息提取,引入卷积神经网络预测算法对刮板输送机负载进行预测,并以此作为刮板输送机速度控制的依据,利用模糊PID控制完成刮板输送机的速度调节。具体的研究工作如下:（1）针对煤矿井下采运不平衡问题以及智能化的要求,分析刮板输送机的组成原理以及传动系统的特点,制定基于刮板输送机负载预测的调速控制总体方案;对浅层神经网络算法与深层神经网络算法进行分析,选定本文刮板输送机负载预测的算法。（2）通过分析刮板输送机负载与电流之间的映射关系,以减速器齿轮啮合频率的幅值信息作为刮板输送机负载特性的表征;利用煤矿井下采集的电流数据进行去工频等处理,提取负载的特征幅值数据信息,建立负载幅值数据集,为刮板输送机负载预测模型提供数据支持。（3）对卷积神经网络的网络架构以及特点进行分析,结合刮板输送机的短时特征性质,提出基于一维卷积的刮板输送机负载预测方法;建立基于卷积神经网络的刮板输送机负载预测模型,通过历史数据与预测数据的对比分析,验证模型的有效性,为煤矿井下刮板输送机负载预测研究提供实验室基础。（4）在对刮板输送机负载进行预测的基础上,设计刮板输送机调速控制系统,利用模糊PID控制器幅值反馈的方式,以啮合频率幅值变化作为输入,实现刮板输送机的速度调节;利用Simulink软件仿真的方式对模糊PID控制器性能进行验证,并采用粒子群算法对其控制参数进行优化,使控制更加准确与高效。
葛恒清[4]（2020）在《基于PSO算法的煤矿通风系统优化与调控》文中研究说明我国现有煤层绝大多数都远离地表,这些煤层都必须采用井下开采方式,而井下开采方式必须建立安全可靠的煤矿通风系统。通风系统是确保煤矿安全生产的重要设施,也是煤矿企业的主要耗能耗资部分。煤矿通风系统稳定、安全、高效运行对煤矿安全生产、节能减排和降低成本都具有重要的意义。首先,分析了煤矿通风系统在煤矿安全生产中的重要地位,阐述了优化调控对煤矿安全、节能减排和提高管理水平重要意义。针对通风安全需求,提出稳风倒机方法,建立主通风机侧等效模型和稳风倒机优化控制模型;基于图论,构建了复杂通风网络按需分风增阻能耗优化调节模型,以及以调压、调阻的混合型调控方式,提出了混合型复杂通风网络能耗、建设投资成本以及改造利润损失的多目标优化调控方法,构建了混合型复杂通风网络多目标优化调节模型。其次,针对传统算法无法满足复杂通风网络这种大规模、多变量、多约束、多峰、非线性非凸的复杂问题求解,提出改进粒子群算法对复杂通风系统进行优化调控。借鉴集成系统的层次结构和生物行为异质性,提出采用层次结构和粒子异质行为的新型扩展层次异质粒子群算法EH2PSO,以“求精”“发现”因子扩展粒子探索能力,以分层结构增强粒子间信息共享能力,基于种群拥挤或早期停滞检测选择粒子异质行为,以标准PSO（SPSO）等5种PSO算法构建异质行为池。并经基准函数对EH2PSO的算法进行测试与比较研究,证明算法性能优越性。再次,根据建立的稳风倒机模型,提出了基于Fuzzy-PID的稳风倒机控制策略,建立稳风倒机模糊推理规则;提出了基于约束规划的稳风倒机控制策略,研究了约束规划风门角度调整歩长区间对井下风量变动影响;提出了基于EH2PSO算法控制的煤矿主通风机稳风倒机方法。结果证明基于EH2PSO算法控制的煤矿主通风机稳风倒机方法能够保持井下风量变动最小（小于0.8%）。开发了稳风倒机控制系统并经实际应用证明倒机过程井下风量稳定。另外,基于知情解引导粒子快速收敛于全局最优解的算法改进思想,提出在SMPSO算法种群引入角点解形成Corner-SMPSO。在角点解的求取上,提出将多目标转化为双目标优化的方法进行求取,并就不同的Pareto前沿类型,探讨了角点解的求解方法及其有效性,形成双目标SMPSO求解多目标问题角点解方法;基于DLZT系列基准函数,就Corner-SMPSO算法,引入角点解与否、引入时间进行比较研究,证明了引入角点解后多目标搜索算法性能在收敛速度和求解精度上有较大幅度提升,且引入角点解时间不同对算法性能改进没有明显影响。最后,提出基于EH2PSO算法的复杂通风网络能耗优化调控方法。经与采用Clerc’s Constricted PSO等三种PSO算法的优化调控对比研究,结果表明:采用EH2PSO算法进行优化,较其他三种算法求解速度快、精度高,能够使多风机混合型复杂通风网络功耗最低。提出了基于Corner-SMPSO算法的混合型复杂通风网络多目标优化调控方法。综合考虑通风网络通风能耗、建设投资成本和因改造导致的停产利润损失,以国内多风机混合型通风网络为实例,采用Corner-SMPSO算法对混合型复杂通风网络进行多目标优化,求取最优解集为煤矿通风网络运行管理提供决策依据。实验结果提供多目标优化调控解集,供煤矿企业决策选择。论文有图50幅,表31个,参考文献147篇。
冯珊珊[5]（2020）在《基于动态送风补偿的高寒地区矿井通风优化研究》文中认为随着经济发展和工业生产的需要,矿产资源需求量越来越多。我国西部高寒（高海拔）地区矿产资源丰富多样,有很大的开发潜力,但严酷的自然环境制约着矿产资源的开发利用,需要设计合理的矿井通风技术来提高资源开发率。已有研究一般是针对高寒矿井最不利的负荷设计通风系统,矿井通风设备难以实现满负荷运转,会出现两大问题,一是单一的调节参数会造成矿井作业人员的舒适感不佳,二是会造成能耗浪费严重的问题。因此,设计基于热舒适度的动态送风补偿矿井通风优化方法,旨在提高井下作业环境质量的同时实现节能效果。本文的主要内容和结果如下:（1）设计了基于PMV及PID的高寒矿井动态送风补偿优化方法。基于高寒矿井通风耗能设备负荷预测模型,设计了高寒矿井动态送风补偿优化方法,以热舒适度（PMV）为优化指标,采用带惯性权重的粒子群PID（CPSO-PID）进行局部优化控制,利用大系统理论将各局部优化控制量整合实现综合决策。（2）提出了高寒矿井动态送风补偿系统优化策略。通过CFD数值模拟对末端巷道阶梯高度平面温度场与风速场进行分析,并绘制热舒适度分布曲线,确定出测量舒适度最佳位置。根据满丈岗金矿典型工况日的气象参数信息计算井上逐时热舒适度,生成井上逐时热舒适度曲线控制图,并拟合生成井下仿自然热环境控制曲线,实时反映井下作业人员的热舒适感变化情况。提出动态送风优化策略,即在满足热舒适度（PMV）约束的前提下寻求接近井下作业人员最满意的等效PMV,进而寻优得到温度、湿度、风速等参数的设定值。（3）以满丈岗金矿为例,设计大系统优化算法,建立局部及全局优化模型,从最后优化结果来看,采用动态送风补偿优化方法能够解决高寒矿井通风优化问题,具有一定的节能潜力。
刘媛[6]（2020）在《基于客流量预测的公共建筑节能优化研究》文中研究表明随着智慧城市的进程加快,公共建筑在所有建筑中的能源消耗比不断增大。火车站候车厅作为客流量较大的一类特殊公共建筑,在实际运行过程中,由于候车厅人员具有密集性且变化较大的特点,使得空调系统在兼顾人员舒适性标准与建筑节能时较为困难。因此,对这类公共建筑展开节能优化具有很大的意义。另外,随着节能减排冰蓄冷技术的兴起,其更广泛地被应用到火车站建筑空调领域。在动态客流量的基础上,合理、准确地对火车站候车厅冷负荷进行模拟是优化该建筑冰蓄冷空调运行方式的前提。本课题以客流量变化的动态逐时冷负荷值为基础,能源利用率最高、运营成本最低为目标,对该类建筑的冰蓄冷空调优化展开研究,研究内容如下:首先,基于火车站候车厅的历史逐时数据,确定本课题采用的短期客流量预测算法—BP神经网络、ARIMA时间序列以及组合预测算法,经过对历史数据的预处理,设计出上述算法的各自参数值,并分别应用三种算法对历史客流数据展开预测。最终将三种算法预测结果与实际值对比分析,得出组合预测算法具有较高精准度的结论。其次,以预测出来的客流量数据为原型,对影响火车站候车厅空调负荷的不同因素展开定性、定量分析。采用基于Energy Plus软件模拟和模型计算的方法,分别对围护结构和其他因素进行逐时冷负荷模拟,得出火车站候车厅冰蓄冷空调系统的动态逐时冷负荷值。最后,针对空调系统的工艺流程,建立相应的运行模型—冷量模型、功耗模型以及经济模型。在动态逐时冷负荷值的基础上,将能源利用率最高和运营成本最低设为优化目标,结合相关工程约束条件,应用NSGA-II算法对空调系统进行运行优化,并得出相应的冷量分配控制策略。仿真结果表明,在此控制策略的指导下,系统的运营成本费用可以节约13.0%,能源损失率降低14.7%。
魏凌敖[7]（2020）在《基于机器视觉的煤泥浮选加药控制系统研究》文中指出随着工业自动化不断发展,煤泥浮选生产的自动化和智能化越来越受到行业的关注和重视。而煤泥浮选生产中,药剂一般依靠着浮选司机的操作经验进行添加。在当生产环境不变的情况下,煤泥浮选效果只和浮选司机的能力和经验有关,而浮选司机的经验具有很大的主观能动性,这制约了煤炭生产的自动化水平的发展。浮选过程中受到原煤性质,粒度特性等多种因素影响,为了代替人工浮选和实现智能化浮选,研究基于机器视觉的浮选加药量系统对煤泥浮选生产具有重大意义。本文首先介绍了煤泥浮选加药控制系统研究的背景、机理、工艺和所面临的问题等。接着分析了对煤泥浮选产生影响的因素和分析了煤泥泡沫特点。在上述分析的基础上,设计了基于机器视觉的煤泥浮选加药系统,使用机器视觉的方法对浮选煤泥泡沫进行分类和提提取特征,并结合煤泥浮选过程参数在数学模型的帮助下进行药剂量估计。而后根据对尾煤灰分的检测,设计了基于模糊控制的浮选药剂给定系统。最终根据设计方案,本文完成对硬件选型和调试,搭建了基于机器视觉的煤泥浮选加药控制系统,实现了煤泥浮选的自动加药。在以上分析基础上,本文采用PC机、相机、PLC、隔膜计量泵等设备,搭建了浮选自动加药系统。系统以WinCC为操作界面,实现了依据尾煤灰分给定和图像反馈,自动调整加药量。该论文有图42幅,表16个,参考文献70篇。
李桩[8]（2019）在《榆家梁煤矿主变压器励磁涌流识别技术研究》文中提出煤矿是整个国家能源的重要供应基地,对于国家的能源安全至关重要。煤矿的安全生产,对于保证国家经济社会的安全稳定运行发挥着基础性作用。煤矿的安全有赖于电力的安全供应,电力变压器是保证煤矿电力供应的重要电气设备,变压器的安全正常运行能够为煤矿的安全生产保驾护航。煤矿变压器故障或者继电保护误动作,将影响煤矿的安全,因此本文对影响变压器保护误动作的励磁涌流及其识别技术进行了研究。论文的主要研究内容如下。首先,本文基于榆家梁煤矿主变压器参数建立变压器励磁涌流仿真模型。应用Matlab/Simulink仿真软件,搭建变压器仿真模型,给出了变压器励磁涌流的仿真波形,并详细分析了仿真波形的特点。为后续励磁涌流的识别技术奠定基础。然后,对变压器励磁涌流的影响因素进行了仿真计算。重点分析了变压器剩磁与合闸角对励磁涌流波形的影响。针对剩磁,给出了从无剩磁到0.8标幺值剩磁条件下变压器励磁涌流波形的变化情况。针对合闸角,给出了 0°到180°范围内不同合闸角条件下的变压器励磁涌流幅值波形;针对两种影响因素对变压器励磁涌流的波形影响进行了详细分析,归纳总结了两种因素对变压器励磁涌流的影响规律。最后,分析了基于电流衰减特性的变压器励磁涌流识别算法。基于上述分析,研究了榆家梁煤矿主变压器励磁涌流识别方法。应用励磁涌流的识别技术,给出了变压器的励磁涌流识别方法,保证差动保护在励磁涌流存在情况下依然可以正确动作,仿真结果验证了所提方法的正确性与有效性。
代嘉惠[9]（2019）在《大功率本安驱动煤矿救援机器人定位与建图算法研究》文中研究指明当煤矿井下发生瓦斯爆炸等灾害的时候,煤矿救援机器人能够替代应急救援人员第一时间进入井下灾害发生区域,对灾害地区执行探测巡查,同时对被困矿工进行营救。煤矿救援机器人的参与,大大提高了成功救援的几率,同时还降低了施救人员伤亡。但是目前煤矿救援机器人多为隔爆型防爆,若隔爆外壳破裂容易引起井下发生二次爆炸,造成更大的损失和伤害。同时,灾后的井下环境发生了变化,原有的地图在救援过程当中已经无法反映灾后的井下情况,因此机器人的井下定位与建图能力就显得极其重要。本文围绕煤矿救援机器人建模及仿真,机器人大功率本安驱动技术,机器人井下同时定位与建图算法这3个关键技术进行了深入研究。本文首先基于煤矿救援机器人的位移、速度、角速度等物理量建立了运动学模型。为了实时判断机器人在井下运行的位置与姿态,基于运动学模型,设计了滑模变结构控制器来追踪机器人的移动轨迹。针对机器人翻越陡坡这种特殊的运行姿态进行了动力学建模和分析,为机器人的驱动力的匹配提供理论依据。针对机器人在研发过程中,存在研发周期过长、风险高、出现问题不易及时修正等问题,通过建立煤矿井下机器人仿真实验系统,对机器人进行仿真分析,验证了机器人设计的可行性。针对现有的隔爆型煤矿救援机器人的硬伤--隔爆外壳若被落石砸中破裂,极易引起周围爆炸性气体发生二次爆炸的问题,提出了用本安型防爆代替隔爆型防爆的方法。为了解决本安机器人不能做到大功率驱动的问题,提出了“分功合流”原理。首先通过一系列流体力学关系式,证明了该理论的正确性。基于该理论,提出了多泵合流的方法,建立了多泵合流系统的数学模型,确立了PID控制的控制方法。然后通过软件仿真,证明了多泵合流的可行性。同时,为了让机器人在电量有限的情况下行驶更远的距离,确立了以分布式控制为主的控制方法。为了验证多泵合流的实际效率,设计了液压合流试验平台。为了使多泵合流驱动系统满足煤矿井下“ia”等级要求,对电机和电池组进行了本安化改造,最后设计了多泵合流硬件系统。针对煤矿救援机器人井下同时定位与建图算法精度不高,只能达到一阶泰勒精度的情况,提出基于一种高精度的二阶中心差分粒子滤波器（SOCDPF）的SLAM算法（SOSLAM）。其次,针对FastSLAM和UFastSLAM算法的鲁棒性差,很容易受到煤矿井下恶劣地形的影响,提出一种基于次优渐消因子的强跟踪自适应UFastSLAM算法。最后,结合STF的强鲁棒性、自适应性和二阶CDKF的高非线性逼近性,同时增加了不受非高斯和非线性模型影响的粒子滤波器,提出了强跟踪二阶中心差分SLAM算法（STSOSLAM）。通过仿真试验,和实际环境的建图,验证了以上几个算法的优越性。最后在煤矿通风试验巷道中进行井下现场实验,绘制出了真实的井下环境地图。为了解决煤矿井下救援机器人智能自主行走时,从一个点移动到另一个点的问题,研究了基于概率路线图（PRM）的路径规划算法。并通过仿真试验,验证了粒子数量对算法的影响,计算出了算法的最优粒子数量,并结合实际地图环境进行了验证。
黄友鹤[10]（2019）在《高瓦斯矿井局部通风机智能控制系统研究》文中指出煤矿井下局部通风机控制系统是关系到煤矿生产安全的重要环节,该系统的正常运行能够保障掘进工作面的良好通风,为井下作业人员提供安全的生产环境。本课题的研究对象火铺煤矿是一个高瓦斯矿井,瓦斯涌出量较大且无规律,需风量计算系统复杂,无法进行实时推算和预测;局部通风机调速算法较为落后,无法实现有效的风机调速;风机控制系统缺乏应急电源装置,存在较大的安全隐患。因此本课题针对上述问题对局部通风机控制系统进行研究与设计。一般的局部通风机系统需风量计算都是采用公式定期进行推算,在高瓦斯矿井中瓦斯浓度变化较快,无法实现需风量的准确计算。因此本文根据瓦斯、煤尘、温度、湿度等参数,采用了基于遗传算法优化的Elman神经网络预测方法,实现了对需风量的实时预测,为通风机调速提供数据支持。局部通风机系统是一个非线性的复杂系统,采用常规方法难以实现良好的调速。本文采用神经网络作为辨识部件的T-S模糊控制策略,根据预测出的需风量,实现对通风机的调节,具有较好的调速效果。局部通风机控制系统缺乏有效的应急电源设备,在高瓦斯环境下容易出现失电导致无法解决瓦斯积聚的问题。因此为控制器设计了冗余供电系统,增设了UPS应急电源,并且采用Elman神经网络对使用的蓄电池剩余容量进行预测;设计了电池管理系统实现对UPS的蓄电池参数管理,保障供电的可靠性。最后设计了局部通风机智能控制系统,实现了系统硬件结构的设计。采用LabVIEW软件设计了上位机监控系统,实现对局部通风机控制系统和冗余供电系统的状态监控。
二、An optimized control of ventilation in coal mines based on artificial neural network（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、An optimized control of ventilation in coal mines based on artificial neural network（论文提纲范文）
（1）掘进工作面自动风窗开度的预测控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 风窗的研究现状 |
| 1.2.2 预测控制的研究现状 |
| 1.2.3 基于支持向量机的预测控制的研究现状 |
| 1.3 论文主要研究内容 |
| 2 自动风窗结构及控制方法研究 |
| 2.1 掘进面通风分析 |
| 2.2 自动风窗的结构及控制过程 |
| 2.3 自动风窗开度控制的研究 |
| 2.3.1 传统风窗开度的计算方法 |
| 2.3.2 传统风窗开度控制方法 |
| 2.3.3 影响瓦斯浓度的因素 |
| 2.4 控制策略的提出 |
| 2.5 本章小结 |
| 3 基于支持向量机的预测控制 |
| 3.1 机器学习及统计学习 |
| 3.1.1 VC维理论 |
| 3.1.2 结构风险最小化 |
| 3.2 支持向量机 |
| 3.2.1 支持向量机分类原理 |
| 3.2.2 支持向量机回归原理 |
| 3.2.3 支持向量机在瓦斯浓度预测方面的适用性 |
| 3.3 瓦斯浓度预测模型的建立 |
| 3.3.1 基于支持向量机的瓦斯浓度预测模型的建立 |
| 3.3.2 核函数的选择 |
| 3.3.3 粒子群优化算法 |
| 3.4 瓦斯浓度预测及结果对比分析 |
| 3.4.1 基于SVM的瓦斯浓度预测及结果分析 |
| 3.4.2 基于PSO-SVM的瓦斯浓度预测及结果分析 |
| 3.4.3 基于PSO-BP的瓦斯浓度预测及结果分析 |
| 3.5 本章小结 |
| 4 基于支持向量机的风窗开度预测控制 |
| 4.1 预测控制原理 |
| 4.2 广义预测控制 |
| 4.2.1 GPC预测模型 |
| 4.2.2 GPC滚动优化 |
| 4.2.3 GPC反馈校正 |
| 4.2.4 GPC中参数的影响 |
| 4.2.5 仿真研究 |
| 4.3 基于支持向量机的广义预测预测 |
| 4.3.1 基于支持向量机预测模型的线性化 |
| 4.3.2 隐式广义预测控制算法 |
| 4.3.3 基于支持向量机的广义预测控制 |
| 4.4 本章小结 |
| 5 自动风窗预测控制系统仿真 |
| 5.1 自动风窗开度的建模与控制 |
| 5.1.1 控制方案设计 |
| 5.1.2 动态建模 |
| 5.1.3 优化控制器设计 |
| 5.2 仿真研究 |
| 5.2.1 无扰动情况下基于PSO-SVM的GPC控制效果 |
| 5.2.2 有扰动情况下基于PSO-SVM的GPC控制效果 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（2）基于膜计算的煤矿井下无人直升机优化控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 膜计算在优化领域研究现状 |
| 1.2.2 无人机控制研究现状 |
| 1.3 论文主要研究内容 |
| 2 基于细胞型膜计算的无人直升机姿态控制 |
| 2.1 煤矿井下巷道空气数学模型 |
| 2.1.1 巷道空气流动状态方程 |
| 2.1.2 巷道空气切变数学模型 |
| 2.2 无人直升机数学模型 |
| 2.2.1 坐标系及转换关系 |
| 2.2.2 井下无人直升机姿态动力学模型 |
| 2.3 细胞型膜计算控制器设计及性能分析 |
| 2.3.1 细胞型膜系统 |
| 2.3.2 直升机姿态膜控制器设计 |
| 2.3.3 误差分析 |
| 2.4 仿真分析 |
| 2.4.1 姿态控制性能仿真验证 |
| 2.4.2 姿态控制性能比较 |
| 2.5 实验验证 |
| 2.5.1 实验平台及参数 |
| 2.5.2 空中飞行实验 |
| 2.5.3 煤矿巷道飞行实验 |
| 2.6 本章小结 |
| 3 基于脉冲神经膜计算的无人直升机姿态优化 |
| 3.1 膜网络 |
| 3.1.1 类神经膜网络 |
| 3.1.2 脉冲神经膜系统 |
| 3.2 无人直升机姿态动力学模型 |
| 3.3 脉冲神经膜系统设计 |
| 3.3.1 构建扩展脉冲神经膜系统 |
| 3.3.2 构建优化脉冲神经膜系统 |
| 3.3.3 姿态控制性能分析 |
| 3.4 仿真分析 |
| 3.4.1 姿态控制性能验证 |
| 3.4.2 控制性能比较 |
| 3.5 实验验证 |
| 3.5.1 地面上空飞行实验 |
| 3.5.2 模拟巷道飞行实验 |
| 3.6 本章小结 |
| 4 概率膜计算SLAM |
| 4.1 传感器模型及信息融合 |
| 4.1.1 惯性测量单元 |
| 4.1.2 激光雷达 |
| 4.1.3 深度相机 |
| 4.1.4 传感器信息融合 |
| 4.2 基于概率稀疏扩展SLAM |
| 4.2.1 概率SLAM |
| 4.2.2 稀疏扩展滤波 |
| 4.2.3 稀疏化 |
| 4.3 概率膜计算SLAM |
| 4.3.1 概率膜计算 |
| 4.3.2 概率膜计算模型 |
| 4.3.3 地图一致性融合 |
| 4.4 实验验证 |
| 4.4.1 地面飞行实验 |
| 4.4.2 模拟巷道飞行实验 |
| 4.5 本章小结 |
| 5 融入脉冲功能细胞型膜系统直升机航迹规划 |
| 5.1 特征信息提取 |
| 5.1.1 全局空间信息表征 |
| 5.1.2 局部空间信息表征 |
| 5.2 无人直升机航迹全局规划 |
| 5.2.1 RRT算法 |
| 5.2.2 时空编码脉冲神经膜系统构建 |
| 5.3 无人直升机航迹局部规划 |
| 5.3.1 融入脉冲功能细胞型膜系统 |
| 5.3.2 局部重规划算法 |
| 5.4 仿真分析 |
| 5.4.1 全局航迹规划 |
| 5.4.2 局部航迹规划 |
| 5.5 实验验证 |
| 5.5.1 地面上空直升机航迹规划 |
| 5.5.2 模拟巷道直升机航迹规划 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 后记 |
| 作者简介及读研期间主要科研成果 |
（3）刮板输送机负载预测与调速控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 刮板输送机负载特性与调速控制研究现状 |
| 1.2.2 齿轮动态性能研究现状 |
| 1.2.3 卷积神经网络研究现状 |
| 1.3 主要研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 基于刮板输送机负载预测的调速控制方案研究 |
| 2.1 刮板输送机结构组成及工作原理 |
| 2.2 基于刮板输送机负载预测的调速控制方案设计 |
| 2.3 刮板输送机负载预测算法选定 |
| 2.4 本章小结 |
| 3 刮板输送机负载与电流相关分析及电流数据预处理 |
| 3.1 刮板输送机负载与电流相关分析 |
| 3.1.1 刮板输送机负载波动对电流的影响 |
| 3.1.2 刮板输送机负载转矩与齿轮频率幅值关系 |
| 3.2 电流数据预处理 |
| 3.2.1 电流数据采集 |
| 3.2.2 电流信号的滤波处理 |
| 3.3 负载特征频率幅值处理 |
| 3.3.1 特征频率幅值的提取原理 |
| 3.3.2 特征频率幅值的信号提取 |
| 3.3.3 数据标准化处理 |
| 3.4 本章小结 |
| 4 基于卷积神经网络的刮板输送机负载预测研究 |
| 4.1 卷积神经网络理论基础 |
| 4.1.1 卷积神经网络概述 |
| 4.1.2 卷积神经网络基本架构 |
| 4.2 基于卷积神经网络的刮板输送机负载预测 |
| 4.2.1 基于卷积神经网络的负载预测流程 |
| 4.2.2 训练样本输入形式 |
| 4.3 负载预测模型训练与结果分析 |
| 4.3.1 基于卷积神经网络的负载预测模型建立 |
| 4.3.2 负载预测仿真与结果分析 |
| 4.4 本章小结 |
| 5 基于负载预测的刮板输送机调速控制研究 |
| 5.1 刮板输送机调速控制系统设计 |
| 5.1.1 刮板输送机调速控制原理 |
| 5.1.2 模糊PID控制器设计 |
| 5.2 粒子群算法优化的模糊PID控制 |
| 5.2.1 粒子群算法 |
| 5.2.2 模糊PID控制参数优化 |
| 5.3 模型建立与仿真对比 |
| 5.3.1 模型建立与仿真 |
| 5.3.2 结果对比与分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（4）基于PSO算法的煤矿通风系统优化与调控（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 概述 |
| 1.2 研究内容和意义 |
| 1.3 煤矿主通风机倒机优化控制研究现状 |
| 1.4 煤矿通风网络优化调节研究现状 |
| 1.5 粒子群算法(PSO)研究现状 |
| 1.6 论文的主要工作及章节安排 |
| 2 煤矿通风系统安全经济运行分析与优化调控建模 |
| 2.1 煤矿通风系统安全性、经济性分析 |
| 2.2 煤矿主通风机不停风倒机系统研究 |
| 2.3 煤矿主通风机稳风倒机优化控制建模 |
| 2.4 基于图论的煤矿通风网络描述 |
| 2.5 煤矿通风网络优化调节建模 |
| 2.6 本章小结 |
| 3 基于EH~2PSO算法的煤矿主通风机稳风倒机研究 |
| 3.1 煤矿主通风机稳风倒机优化控制算法 |
| 3.2 基于模糊PID控制的煤矿主通风机恒风倒机研究 |
| 3.3 非线性约束规划的煤矿主通风机恒风倒机研究 |
| 3.4 扩展层次异质粒子群算法研究 |
| 3.5 煤矿主通风机稳风倒机EH~2PSO算法 |
| 3.6 仿真与应用研究 |
| 3.7 本章小结 |
| 4 煤矿通风网络多目标优化调控算法Corner-SMPSO |
| 4.1 多目标优化算法综述 |
| 4.2 多目标优化算法性能评价 |
| 4.3 算法的提出 |
| 4.4 角点解搜索 |
| 4.5 Corner-SMPSO算法 |
| 4.6 种群引入角点的SMPSO研究 |
| 4.7 本章小结 |
| 5 基于EH~2PSO和 Corner-SMPSO算法混合型多风机复杂煤矿通风网络优化调节 |
| 5.1 煤矿通风网络优化调控目标与方法 |
| 5.2 基于EH~2PSO算法混合型多风机煤矿通风网络节能优化调节 |
| 5.3 煤矿混合型复杂通风网络Corner-SMPSO多目标优化调节研究 |
| 5.4 本章小结 |
| 6 结论 |
| 参考文献 |
| 作者简历 |
| 学位论文数据采集 |
（5）基于动态送风补偿的高寒地区矿井通风优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高寒矿井通风优化研究 |
| 1.2.2 动态送风补偿研究 |
| 1.2.3 研究综述 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 研究方法 |
| 1.5 本章小结 |
| 2 高寒矿井通风系统特性及动态送风补偿优化理论 |
| 2.1 高寒矿井通风系统特性分析 |
| 2.1.1 复杂性 |
| 2.1.2 动态性 |
| 2.1.3 不稳定性 |
| 2.1.4 危害性 |
| 2.2 高寒矿井动态送风补偿优化理论 |
| 2.2.1 动态送风补偿的优化指标 |
| 2.2.2 局部优化理论 |
| 2.2.3 全局优化理论 |
| 2.3 本章小结 |
| 3 高寒矿井动态送风补偿系统优化方法 |
| 3.1 高寒矿井动态送风补偿系统能耗模型 |
| 3.1.1 暖风机能耗模型 |
| 3.1.2 热水循环能耗模型 |
| 3.1.3 空气处理机组能耗模型 |
| 3.1.4 末端处理风机能耗模型 |
| 3.2 局部系统优化仿真结果及分析 |
| 3.2.1 局部优化方法的建立 |
| 3.2.2 局部优化仿真结果及分析 |
| 3.3 全局系统分解和稳态辨识 |
| 3.3.1 全局系统递阶结构分解 |
| 3.3.2 全局系统稳态优化数学描述 |
| 3.3.3 全局系统稳态辨识 |
| 3.4 高寒矿井动态送风补偿优化方法 |
| 3.4.1 系统优化问题 |
| 3.4.2 系统优化方法 |
| 3.5 本章小结 |
| 4 高寒矿井动态送风补偿系统优化策略 |
| 4.1 高寒矿井动态送风补偿系统模型的建立 |
| 4.1.1 参数修正模型的建立 |
| 4.1.2 参数修正模型的验证 |
| 4.1.3 补偿系统模型的建立 |
| 4.2 高寒矿井末端巷道动态送风补偿数值模拟 |
| 4.2.1 末端巷道模型建立 |
| 4.2.2 末端巷道动态送风补偿模拟结果 |
| 4.3 高寒矿井动态送风补偿优化策略 |
| 4.3.1 井上逐时热舒适优化指标的确定 |
| 4.3.2 井下逐时热舒适优化指标的确定 |
| 4.3.3 动态送风补偿策略 |
| 4.4 本章小结 |
| 5 基于动态送风补偿的高寒矿井通风优化实例分析 |
| 5.1 高寒矿井通风现场调查 |
| 5.1.1 满丈岗金矿通风基本概况 |
| 5.1.2 满丈岗金矿热负荷计算 |
| 5.1.3 满丈岗金矿风量计算 |
| 5.2 高寒矿井动态送风补偿优化 |
| 5.2.1 局部优化 |
| 5.2.2 全局优化 |
| 5.3 高寒矿井动态送风补偿优化结果 |
| 5.3.1 局部优化结果及分析 |
| 5.3.2 全局优化结果及分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间研究成果及发表论文 |
| 致谢 |
（6）基于客流量预测的公共建筑节能优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 热点问题梳理 |
| 1.3 课题研究内容 |
| 2 短期客流量预测算法研究 |
| 2.1 短期客流量预测算法介绍 |
| 2.1.1 BP神经网络 |
| 2.1.2 ARIMA时间序列 |
| 2.1.3 组合预测算法 |
| 2.2 数据预处理 |
| 2.2.1 归一化 |
| 2.2.2 平稳性检验 |
| 2.2.3 算法参数设计 |
| 2.3 客流量数据预测 |
| 2.4 本章小结 |
| 3 火车站空调冷负荷模拟研究 |
| 3.1 常见冷负荷模拟方法 |
| 3.1.1 冷负荷模拟方法分类 |
| 3.1.2 模拟方法选择 |
| 3.2 目标火车站候车厅冷负荷模拟过程 |
| 3.2.1 Energy Plus负荷计算原理 |
| 3.2.2 Energy Plus模拟过程 |
| 3.2.3 其他负荷模拟过程 |
| 3.3 空调冷负荷模拟 |
| 3.3.1 静态负荷模拟 |
| 3.3.2 动态负荷模拟 |
| 3.3.3 火车站冷负荷探究分析 |
| 3.4 本章小结 |
| 4 火车站冰蓄冷空调运行模型研究 |
| 4.1 冰蓄冷空调工艺流程 |
| 4.1.1 常规冰蓄冷空调 |
| 4.1.2 冰蓄冷空调运行模式 |
| 4.1.3 冰蓄冷空调常见控制策略 |
| 4.2 目标火车站冰蓄冷空调系统 |
| 4.2.1 系统工艺流程图 |
| 4.2.2 系统运行现状与优化分析 |
| 4.3 冰蓄冷空调运行模型建立 |
| 4.3.1 冷量模型 |
| 4.3.2 功耗模型 |
| 4.3.3 经济模型 |
| 4.4 本章小结 |
| 5 冰蓄冷空调多目标优化运行研究 |
| 5.1 遗传算法优化带约束的多目标问题 |
| 5.1.1 多目标优化问题数学描述 |
| 5.1.2 基本遗传算法 |
| 5.1.3 NSGA-II算法 |
| 5.1.4 支配关系处理约束条件 |
| 5.2 基于NSGA-II的冰蓄冷空调运行优化 |
| 5.2.1 目标函数及约束条件 |
| 5.2.2 NSGA-II优化 |
| 5.2.3 目标火车站冰蓄冷空调运行策略优化 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表的学术论文及成果 |
（7）基于机器视觉的煤泥浮选加药控制系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 引言 |
| 1.2 项目背景与意义 |
| 1.3 国内外研究现状 |
| 1.4 本文主要内容 |
| 2 煤泥浮选机理与工艺 |
| 2.1 煤泥浮选机理与工艺 |
| 2.2 影响煤泥浮选的因素 |
| 2.3 煤泥浮选泡沫层分析 |
| 2.4 本章小结 |
| 3 基于机器视觉的煤泥浮选控制系统设计方案 |
| 3.1 系统设计的技术路线 |
| 3.2 系统设计方案 |
| 3.3 本章小结 |
| 4 基于机器视觉的煤泥泡沫分类 |
| 4.1 煤泥浮选泡沫的类型 |
| 4.2 卷积神经网络的介绍 |
| 4.3 煤泥泡沫分类数据库 |
| 4.4 煤泥泡沫图像分类模型的建立 |
| 4.5 网络调试与对比分析 |
| 4.6 本章小结 |
| 5 煤泥泡沫图像特征提取 |
| 5.1 煤泥泡沫图像预处理 |
| 5.2 煤泥泡沫图像特征提取 |
| 5.3 本章小结 |
| 6 煤泥浮选加药系统的模型建立 |
| 6.1 煤泥浮选样本数据 |
| 6.2 基于数据驱动的煤泥浮选加药模型 |
| 6.3 两种加药预测模型对比 |
| 6.4 本章小结 |
| 7 煤泥浮选加药给定系统 |
| 7.1 煤泥浮选加药给定方案 |
| 7.2 浮选尾煤泡沫图像灰分检测 |
| 7.3 模糊控制器的设计 |
| 7.4 本章小结 |
| 8 煤泥浮选加药量控制系统的实现 |
| 8.1 系统具体硬件实施 |
| 8.2 浮选煤泥控制平台搭建 |
| 8.3 本章小结 |
| 9 总结与展望 |
| 9.1 总结 |
| 9.2 展望 |
| 参考文献 |
| 附录1 |
| 作者简历 |
| 学位论文数据集 |
（8）榆家梁煤矿主变压器励磁涌流识别技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 研究现状与发展趋势 |
| 1.2.1 变压器励磁涌流识别与抑制技术 |
| 1.2.2 电流互感器饱和对变压器保护的影响 |
| 1.2.3 外部故障切除后涌流的研究 |
| 1.3 本文主要工作 |
| 2 变压器保护与励磁涌流识别技术 |
| 2.1 变压器励磁涌流简介 |
| 2.2 变压器纵差保护构成 |
| 2.2.1 变压器差流 |
| 2.2.2 变压器纵差保护 |
| 2.3 变压器励磁涌流识别与抑制技术 |
| 2.3.1 励磁涌流识别 |
| 2.3.2 励磁涌流抑制 |
| 2.4 本章小结 |
| 3 榆家梁煤矿主变压器励磁涌流仿真计算分析研究 |
| 3.1 变压器励磁涌流数学模型 |
| 3.2 榆家梁煤矿简介 |
| 3.2.1 矿井简介 |
| 3.2.2 生产系统 |
| 3.2.3 主变压器供电系统 |
| 3.3 变压器励磁涌流影响因素分析 |
| 3.3.1 系统阻抗对励磁涌流影响仿真 |
| 3.3.2 合闸角对励磁涌流影响仿真 |
| 3.3.3 剩磁对励磁涌流影响仿真 |
| 3.4 本章小结 |
| 4 榆家梁煤矿主变压器励磁涌流改进识别技术研究 |
| 4.1 归一化理论简介 |
| 4.2 变压器励磁涌流识别方法 |
| 4.3 算例分析 |
| 4.3.1 变压器励磁涌流识别方法 |
| 4.3.2 归一化的励磁涌流识别方法 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间获得的学术成果 |
| 附录 |
（9）大功率本安驱动煤矿救援机器人定位与建图算法研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 主要符号注释表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 煤矿救援机器人国内外研究现状与分析 |
| 1.2.2 本安防爆驱动技术研究现状 |
| 1.2.3 机器人定位与建图技术研究现状 |
| 1.2.4 煤矿救援机器人存在的问题 |
| 1.3 主要研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究方法及技术路线 |
| 2 煤矿救援机器人建模及仿真分析 |
| 2.1 坐标系的建立 |
| 2.2 机器人运动学及动力学建模 |
| 2.3 基于滑模控制的移动机器人轨迹跟踪 |
| 2.4 煤矿救援机器人井下仿真及分析 |
| 2.4.1 虚拟仿真软件介绍 |
| 2.4.2 煤矿井下地形环境分析及建模 |
| 2.4.3 仿真结果分析 |
| 2.5 本章小结 |
| 3 机器人本安驱动及系统节能研究 |
| 3.1 本安驱动型式选型及方案设计 |
| 3.2 多泵合流系统数学模型 |
| 3.2.1 流体力学关系式 |
| 3.2.2 电机控制模型 |
| 3.2.3 泵控机构数学模型 |
| 3.3 液压驱动动力系统控制算法与系统仿真研究 |
| 3.3.1 液压系统控制算法 |
| 3.3.2 单泵液压系统仿真研究 |
| 3.3.3 多泵合流系统仿真试验 |
| 3.4 泵控液压系统性能分析与节能机理 |
| 3.4.1 多泵合流系统节能研究 |
| 3.4.2 多泵合流响应试验 |
| 3.5 本章小结 |
| 4 本安驱动试验及硬件设计 |
| 4.1 多泵合流试验 |
| 4.1.1 多泵合流试验系统介绍 |
| 4.1.2 电机及驱动器部分 |
| 4.1.3 多泵合流试验验证 |
| 4.2 本安动力硬件系统设计 |
| 4.2.1 电机本安化及火花试验 |
| 4.2.2 硬件系统集成设计 |
| 4.3 本章小结 |
| 5 机器人煤矿井下同时定位与建图算法 |
| 5.1 同时定位与建图(SLAM)算法介绍 |
| 5.1.1 SLAM问题描述 |
| 5.1.2 Fast SLAM算法框架 |
| 5.2 基于二阶中心差分粒子滤波的同时定位与建图算法 |
| 5.2.1 二阶中心差分粒子滤波 |
| 5.2.2 二阶中心差分SLAM算法 |
| 5.2.3 仿真研究 |
| 5.2.4 实验及分析 |
| 5.3 基于次优渐消因子的强跟踪UFASTSLAM算法 |
| 5.3.1 强跟踪UKF滤波 |
| 5.3.2 强跟踪UFast SLAM算法 |
| 5.3.3 仿真研究 |
| 5.3.4 实验及分析 |
| 5.4 基于强跟踪二阶中心差分卡尔曼滤波的STSOSLAM算法 |
| 5.4.1 STSOSLAM算法 |
| 5.4.2 仿真研究 |
| 5.4.3 实验及分析 |
| 5.5 本章小结 |
| 6 机器人井下建图及应用研究 |
| 6.1 机器人井下建图研究 |
| 6.1.1 实验环境与实验方法 |
| 6.1.2 实验结果及分析 |
| 6.1.3 测试小结 |
| 6.2 基于概率路线图(PRM)路径规划算法 |
| 6.2.1 概率路线图(PRM)算法 |
| 6.2.2 采样粒子数量对算法的影响 |
| 6.2.3 路径规划实验 |
| 6.3 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 参考文献 |
| 附录 |
| A 作者在攻读学位期间发表的论文目录 |
| B 作者在攻读学位期间参加的科研项目 |
| C 作者在攻读学位期间申请的专利 |
| D 学位论文数据集 |
| 致谢 |
（10）高瓦斯矿井局部通风机智能控制系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 局部通风机系统现存问题 |
| 1.4 研究内容及方法 |
| 1.5 章节安排 |
| 2 局部通风机需风量预测 |
| 2.1 局部通风机系统概况 |
| 2.2 局部通风机需风量预测研究 |
| 2.3 局部通风机需风量预测仿真 |
| 2.4 本章小结 |
| 3 局部通风机智能调速系统设计 |
| 3.1 局部通风机调速概况 |
| 3.2 T-S模糊神经网络控制器设计 |
| 3.3 局部通风机智能调速设计与仿真 |
| 3.4 本章小结 |
| 4 局部通风机控制系统冗余供电设计 |
| 4.1 应急电源研究 |
| 4.2 基于Elman神经网络的锂电池剩余容量预测 |
| 4.3 冗余供电系统设计 |
| 4.4 本章小结 |
| 5 局部通风机智能控制系统设计 |
| 5.1 局部通风机控制系统设计 |
| 5.2 上位机监控系统设计 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
四、An optimized control of ventilation in coal mines based on artificial neural network（论文参考文献）
- [1]掘进工作面自动风窗开度的预测控制研究[D]. 方丹. 西安科技大学, 2021(02)
- [2]基于膜计算的煤矿井下无人直升机优化控制研究[D]. 许家昌. 安徽理工大学, 2021(02)
- [3]刮板输送机负载预测与调速控制研究[D]. 胡磊. 西安科技大学, 2020(01)
- [4]基于PSO算法的煤矿通风系统优化与调控[D]. 葛恒清. 中国矿业大学, 2020(01)
- [5]基于动态送风补偿的高寒地区矿井通风优化研究[D]. 冯珊珊. 西安建筑科技大学, 2020(01)
- [6]基于客流量预测的公共建筑节能优化研究[D]. 刘媛. 西安建筑科技大学, 2020(01)
- [7]基于机器视觉的煤泥浮选加药控制系统研究[D]. 魏凌敖. 中国矿业大学, 2020(01)
- [8]榆家梁煤矿主变压器励磁涌流识别技术研究[D]. 李桩. 西安科技大学, 2019(01)
- [9]大功率本安驱动煤矿救援机器人定位与建图算法研究[D]. 代嘉惠. 重庆大学, 2019
- [10]高瓦斯矿井局部通风机智能控制系统研究[D]. 黄友鹤. 中国矿业大学, 2019(09)