声明
致谢
摘要
1 绪论
1.1 课题的目的和意义
1.2 国内外研究概况、水平和发展趋势
1.2.1 国内外顶板检测装置的概况
1.2.2 国内外顶板检测技术的发展现状
1.2.3 国内外人耳听觉模型的发展现状
1.3 主要研究内容
2 人耳听觉系统和听觉模型的研究
2.1 听觉系统简介
2.2.1 外耳的结构
2.2.2 中耳的结构
2.2.3 内耳的结构
2.3 人耳听觉模型
2.3.1 基底膜的振动模型
2.3.2 内毛细胞模型
2.3.3 耳蜗核数学模型
2.4 仿真实验及分析
2.5 本章小结
3 煤矿顶板检测的理论基础
3.1 引言
3.2 小波变换理论
3.2.1 连续小波变换
3.2.2 二进小波变换
3.2.3 多分辨率分析
3.2.4 小波包变换
3.3 常用小波函数介绍
3.3.1 小波的选择
3.3.2 Haar小波
3.3.3 Morlet小波
3.3.4 Mexican hat小波
3.3.5 Daubechies小波
3.4 本章小结
4 声音信号特征的提取方法
4.1 基于小波变换的顶板敲击声特征提取
4.1.1 小波变换系数特征提取方法
4.1.2 基于传统小波包对声音信号特征的提取方法
4.1.3 基于改进小波包的顶板敲击声信号特征提取方法
4.2 基于人耳听觉模型的听觉谱特征提取方法研究
4.3 本章小结
5 基于支持向量机的煤矿顶板状态检测
5.1 模式识别系统
5.2 支持向量机
5.2.1 支持向量机的概念
5.2.2 线性最优分类超平面
5.2.3 对支持向量进行求解
5.2.4 SVM系统流程
5.2.5 核函数
5.2.6 RBF的核函数选择
5.2.7 SVM的核函数参数确定
5.3 基于遗传算法的支持向量机参数优化方法
5.3.1 遗传算法理论
5.3.2 GA-SVM算法
5.4 基于粒子群算法的支持向量机参数优化方法
5.4.1 粒子群算法理论
5.4.2 PSO-SVM算法优化C和σ
5.5 粒子群算法和遗传算法分别对SVM参数进行优化
5.5.1 遗传算法优化SVM参数
5.5.2 粒子群算法在支持向量机参数优化中的应用
5.6 仿真结果
5.6.1 实验数据采集
5.6.2 训练过程
5.6.3 测试结果
5.7 分类识别结果
5.8 本章小结
6 结论
6.1 本文工作总结
6.2 研究展望
参考文献
作者简历
学位论文数据集
黑龙江科技大学;