xgm开题报告幻灯片

辽宁工程技术大学研究生论文选 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 报告及论文工作 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 研究生姓名谢国民学科(专业)机械设计及理论研究方向机械设计与智能控制指导教师付华2010年10月8日填论文题目（或选题范围）基于信息融合与数据挖掘的采煤机故障特征提取和故障诊断方法研究一、综述：1前言目前，在大型煤矿企业（及集团）的采煤机的状态 检测 工程第三方检测合同工程防雷检测合同植筋拉拔检测方案传感器技术课后答案检测机构通用要求培训 和故障诊断领域，知识获取技术、信息综合利用以及诊断系统等方面才刚刚起步或者存在较多不完善。随着数据挖掘技术与信息融合理论的发展和完善，综合运用挖掘、融合技术和各种电子技术、通讯技术解决采煤机系统问题及构建分布时诊断系统已经成为当前采煤机故障诊断发展的主要趋势。为此本论文在国家自然科学基金“煤矿瓦斯融合决策与预测控制理论研究”以及辽宁省优秀人才项目“大型压铸机实时监控系统研究”和辽宁省重点攻关项目“煤矿综掘综采设备安全性研究”的支持下，以数据挖掘和信息融合为理论基础，数据库技术和网络技术为应用基础，对基于数据挖掘的的诊断方法、基于数据融合的诊断方法、决策预警的可靠性以及基于挖掘和融合的诊断系统的原型进行了理论上、和实现的研究，期待取得更新的突破进展和预期成果。2煤矿采掘设备及其故障诊断的发展状况煤炭目前仍然是我国的基本能源，据统计仍然占我国总能源的70%左右。尽管国家能源局发布新的规划中提出了“多元发展”的方略，但煤炭仍然占据重要基础地位。自进入二十世纪末以来，以神华、中煤集团为首的大型煤炭企业投巨资发展综采自动化技术，采煤机也逐渐向连续化、大型化、高速化、智能化方向发展，来保证采煤机高效性和连续作业能力。而这种连续化、大型化、高速化、智能化满足了国家和生产企业的产能目标，加速实现采煤自动化水平，降低了生产成本，提高了生产效率，但是身为采煤生产核心设备的采煤机工作环境恶劣；除了电磁干扰，煤尘、瓦斯、岩石压力、水雾侵蚀影响性能，同时运转时还要承受岩石、煤体等巨大冲击负载，一旦发生事故，轻则影响生产效率，重则停产整顿，甚者会发生机毁人亡几连带恶性事故。因此，为了能使采煤机系统更高效、更可靠运转，就必须掌握采煤机实时运行信息，找出其本质特征，并总结变化规律，实现对采煤机关键部分实行状态监测和故障预测。防止采煤机事故发生的有效手段之一是提高采煤机监测监控及故障预测水平。目前我国采煤机监测、监控及其故障诊断技术已有很大发展，但还存在一些迫切需要解决的关键技术问题。随着国家煤炭需求不断扩大，采煤机系统应用规模、深度和广度的扩展，煤矿企业获取的监测数据也越来越多。与此同时进行故障信息检测、特征抽取和状态识别及故障融合决策的难度也逐渐加大。海量数据信息蕴含丰富的故障诊断相关的内容，而煤炭生产企业并不能“去粗取精，去伪存真”，对此，以往的信号分析处理和人工智能方法已经不能够充分利用采集的振动、生产工艺参数等现场数据，不能够及时、准确发现重大故障隐患，状态监测和故障诊断特征获取与决策出现障碍。数据挖掘，又称为数据库中知识发现(KnowledgeDiscoveryinDatabase,KDD)，起始于二十世纪九十年代初期。目前主要应用在银行、保险、交通等领域。知识发现过程以下三个阶段组成：（1）数据准备，（2）数据挖掘，（3）结果表达和解释。数据挖掘可以与用户或知识库交互。他不但能对海量数据进行关联、分类和模式预测，特别在高维海量数据分析、识别上表现出独有的优势。正因此为我们突破传统状态监测和故障诊断特征获取障碍提供了全新解决 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 。同时，在采煤机状态监测与故障诊断中，由于系统的大型化，结构复杂，多传感器必须采集振动、生产工艺等参量信号，但是这些信号与外环境的干扰、噪声信号一起被采集，加上系统导出数据、报警数据等，使得到初级采集信息更加丰富和层次不一。另方面，采煤机工作环境复杂，影响因素很多，同一种故障有很多表现类型，相同一种症状可能是几种故障共同作用的结果。具体即监测信号和故障特征、故障特征与故障类别之间均为非线性映射，单凭一种或几种检测信号和诊断方法很难或无法准确实现故障诊断及预报。因此，对如此大量信息进行处理和综合利用成了未来一段时期内机械故障诊断研究的重点。信息融合技术是近十多年来发展起来的信息综合处理技术，在人工智能、目标识别、医学诊断等领域已经开始得到广泛的研究利用，但在煤矿设备采煤机械故障诊断领域还是刚刚开始起步。信息融合也称数据融合，是指多传感器的数据在一定准则下加以自动分析、综合以完成所需的决策和评估而进行的信息处理过程。信息融合最早用于军事领域，定义为一个处理探测、互联、估计以及组合多源信息和数据的多层次多方面过程，以便获得准确的状态和身份估计、完整而及时地反映战场态势和威胁估计。它强调信息融合的三个核心方面：第一，信息融合是在几个层次上完成对多源信息的处理过程，其中每一层次都表示不同级别的信息抽象；第二，信息融合包括探测、互联、相关、估计以及信息组合；第三，信息融合的结果包括较低层次上的状态和身份估计，以及较高层次上的整个战术态势估计。随着信息技术的发展和普及，特别是信息通讯网络和信息高速公路的建设和应用，信息获取、综合分析和处理以及信息融合已经深入各行各业和社会的各个方面，为人们提供着决策支持。信息融合为采煤机故障诊断系统提供又一新的解决方法。基于以上，本论文在国家自然科学基金项目（50874059）和辽宁省科技攻关项目（2007231003）的资助下，以数据挖掘和信息融合为理论基础，主要研究采煤机系统的状态监测和故障诊断方法，包括基于数据挖掘与信息融合的故障诊断系统设计开发。该研究对进一步保证设备安全，稳定、长周期、满负荷优质高效运行，实现采煤机系统的预知维修，提供系统管理水平，满足煤炭生产目标要求，进而保障国家能源安全有着十分重要的现实意义。目前，国内外采煤机状态监测和故障诊断方面的主要研究成果有：1）清华大学的陈真勇等人主要研究进化神经网络在旋转机械故障诊断中的应用,提出了一种基于递阶结构的遗传算法与进化规划相结合的神经网络学习新算法,利用该算法可以同时对网络进行结构优化和权重求解。通过旋转机械故障分类应用实例,与传统的BP训练算法作了比较,证明基于递阶结构的进化神经网络算法不仅在权重训练方面比传统BP训练算法更加快速稳定,避免陷入局部极小点,而且同时对网络结构进行了优化,得到了结构更为简捷的旋转机械故障分类网络。2)中国矿业大学的张寒松等分析了采煤机的常见故障，针对机械和液压系统给出了常用的故障诊断方法，并进一步预测了人工智能神经网络和专家系统相结合的智能故障诊断方法为将来发展方向。3）海军工程大学的杨迎化设计并分析了人工神经网络与专家系统相结合的智能故障诊断系统的优点、结构组成、工作原理以及运行过程，并预测了人工神经网络应用的发展趋势。4)海军航空工程大学的杨树莲等对采煤机截割部齿轮传动系统的振动测试,采用小波变换对振动信号进行去噪处理,经过小波去噪后的振动信号作为BP网络的输入,采用三层BP神经网络结构对采煤机截割部齿轮传动系统的故障进行了趋势预测,取得了满意的诊断效果。5）山东科技大学的宋志安设计了AM-500型采煤机的故障树，介绍了基于C语言的专家系统开发平台——CLIPS，论述了CLIPS平台的专家系统作为AM-500型采煤机故障诊断工具的必要性，并就故障诊断专家系统的系统结构、构造原理、难点进行了探讨，同时提出了该系统基于故障树的实施方案。6)中国矿业大学的马方清等介绍了采用故障树与专家系统相结合方法建立的电牵引采煤机系统故障诊断系统，并论述了电牵引采煤机诊断系统的设计及实现方法。该系统在煤矿井下实际应用中取得了良好的应用效果。7）Eickhoff公司装备MICOS68矿用微计算机系统，C513390Z液晶图形显示器，软件17175C4等。主菜单包括10个子菜单：采煤机运行状态；截割部参数；牵引部参数、液压部参数固定监测点温度；各电机电流；水量、水压；诊断、预警显示等。同时能检测和显示采煤机工作期间的任何事件过程，并分析故障原因按照优先事件顺序列出。8）东南大学凌维业等提出了使用粗糙集理论优化BP神经网络故障诊断系统的基本方略，构建了优化的神经网络模型。通过对轴承故障数据和磨削工况分析表明，该模型能有效减少输入层神经元个数，改进网络内部结构，提高神经网络的学习效率和诊断准确率。4主要工作包括：本文以开滦集团钱家营矿业公司现役MG650/1620-WD新型双滚筒采煤机为研究的对象，收录了近些年企业关于该采煤机系统的状态监测和故障诊断信息，按照先挖掘后融合的方法，先从海量的多层次、多平台、多传感器信息中挖掘采煤机故障特征并在特征提取的基础上，对特征信息进行数据融合处理，实现最终的故障诊断决策，这是本论文研究的最主要问题。1）研究思路：采煤机故障监测信息是本文的研究根本根据，采用现代信息处理技术和人工智能理论对每个监测平台的多传感器检测数据进行挖掘、分析、处理、综合，提取出采煤机故障征兆信息。在特征提取的基础上，对多源数据进行多平台信息融合，融合分为两级，首先进行低层次的特征级融合，即在区域（局域）范围内对采煤机故障信息进行有效判断；然后进行高层次的决策级信息融合，直接对完全不同类型的故障特征信息或来自不同平台或区域的故障特征信息形成的局部决策进行最后分析，即对各个独立决策进行融合，从而获得对采煤机系统故障诊断的整体一致性的融合决策结果。决策输出其它信息获取单元（电气仪表、速度传感器、铁谱仪、超声波）多路振动信息采集测仪开关信号采集卡转速信号采集卡压力信号采集卡多传感器温度信号采集卡采煤机故障信息特征分析多传感器数据挖掘采煤机故障状体特征提取时域特征分析多分辨率时频特征分析频域特征分析时域联合分析建立特征分析的一般模型模型的优化与改进模型参数训练基于人工智能的方法模型基于模糊逻辑融合的方法模型基于粗糙集理论的方法模型模型算法分析模型实验研究故障诊断决策融合模型现场实验研究模型算法实验研究计算机仿真实验室实验图1采用的技术路线示意图2）研究的主要工作：研究工作拟分为以下章节进行：（1）绪论：首先介绍课题研究意义，说明采煤机故障的类型与危害，介绍采煤机故障信息获取的硬件平台及研究发展现状，着重阐述故障特征提取的重要意义、方法和研究现状，最后给出了论文的主要研究内容和组织结构。（2）第二章对采煤机监测信息进行特征分析，并对其特征信息两种基于数据挖掘的提取方法进行了研究。与传统的特征抽取方法比较，表明多元回归分析和改进的神经网络和支持向量机决策树分析方法分类时间短、特征提取简便、训练速度较快等优点。工程上数据挖掘应该是需要经过反复多次处理过程，它的过程模型为数据挖掘提供了宏观指导和工程方法。合理的过程模型能将各个处理阶段有机的结合在一起，指导人们更好的开发及使用数据挖掘系统。目前已经有很多人对数据挖掘的过程模型进行过总结和整理，其中最具影响的时：Fayydetal和Smyth的阐述。最具代表的数据挖掘过程模型如下：0100101301数据解释评价目标数据选择数据约简数据挖掘预处理后数据约减后数据图1数据挖掘的过程模型模型和规则预处理知识该级别将全部传感器的观测数据进行融合，然后从融合数据中提取特征向量，并进行故障诊断。但是该级别需要处理的信息量大，比较全面、丰富，但实时性较差，处理代价较高。…….信号1信号2信号n融合特征提取识别图2数据级融合提出以数据为核心的数据挖掘模型，使得数据挖掘过程成为一个可操作系统。（3）第三章研究采煤机故障状态信息的特征级融合技术，构造采煤机特征级融合的结构模型与方法，将信息融合分成三个层次，即数据级融合、特征及融合和决策及融合。最后，对所提出的方法进行仿真实验研究。第一：数据级融合数据级融合是直接在采集到的原始数据上进行的融合，在各种传感器的原始数据未处理之前进行的数据的综合与分析。过程如下：第二：特征级融合特征级融合属于中间层次，它先将来自传感器的原始信息进行多特征提取，然后对多特征信息进行综合分析与处理，如图所示：…….特征提取特征提取融合信号n识别图3特征级融合信号2特征提取信号1…….特征级融合的优点在于实现了客观的信息压缩，有效提高了信息处理的实时性，而且所提取的特征直接与决策分析相关，因而融合结果能够最大限度给出决策输出所需的特征信息。（4）第四章研究采煤机系统故障的多传感器决策级融合技术，研究基于粗集理论建立决策融合规则模型的方法，建立基于数据特征的决策级融合规则模型，并采用粗集结合信息熵理论来分析剔除冗余属性。提出了粗糙集合与模糊集合相结合的方法，分析了粗模糊集合和模糊粗集的特性，建立了瓦斯灾害决策级融合的模糊粗糙集模型。通过实例研究验证所用方法的正确性。…….特征提取特征提取融合输出信号n识别图4决策级融合信号2特征提取信号1…….识别识别决策级融合从具体决策问题出发，充分利用特征级融合所提取的特征信息，采用适当的融合技术来实现。决策级融合是三级融合的最终结果，是直接输出决策预警结果，融合效果决定决策水平。决策融合优点为通信量小，抗干扰能力强，融合中心处理代价低，同时对传感器依赖度弱，而且传感器可以为同质或异质，而且当某一个或几个传感器出现错误时，通过适当的融化方法仍能获得正确的输出，因此具有很好的容错性和鲁棒性。（5）第五章基于数据挖掘模型，结合信息融合方法，设计了一种新的基于数据挖掘与信息融合的知识获取和故障诊断系统。该系统包含数据检测、数据处理、特征提取与融合、模型训练和决策融合等模块。如图所示：专家用户人机接口知识库基于数据挖掘与信息融合的故障诊断基于数据挖掘与信息融合的知识获取数据采集现场信号数据库知识库操作图5基于数据挖掘和信息融合的故障诊断结构图①故障诊断系统能实现知识自动获取、知识编辑以及采煤机系统的部分和整体故障诊断。知识获取包括数据选择、数据清理、特征提取、特征融合及诊断知识学习与评价。知识获取数据可以来自数据文件也可来自数据库。数据清理包括损失处理、冲突处理、冗余处理降噪等。特征提取包括数据变换、特征选择、离散化、特征约简等功能。数据变换可在时域、频域及时频域进行。诊断知识的学习机评价包括诊断分类器算法设计、分类器训练学习、知识评价以及添加知识到知识库。知识编辑包括知识查询、知识整理、知识添加、删除等功能。②采煤机故障诊断系统需要对其每部分及整机系统做诊断。所以先将采煤机的测点与部件绑定。故障诊断是需要根据部件、时间选择某一个部件或某一段时间的特定数据，选择诊断方法、融合方法进行诊断决策，最终给出诊断结论。诊断系统功能图如下：图6诊断系统功能图③故障诊断推理机制：故障诊断系统是一个数据驱动的系统，通过使用各种数据挖掘技术（如人工神经网络和决策树等），系统从故障案例中提取专家知识。在训练学习过程间形成诊断知识库，它包含模型知识与规则知识。这些知识结合已有故障案例进行诊断推理。具体诊断流程如图：主要分为选择诊断参数、执行诊断、决策输出三部分。在第一阶段，用户可以选择诊断参数，如采煤机诊断部分或整机、检查时间段和诊断方法（如神经网络或决策树等）。在执行阶段，比较诊断历史记录库和故障案例库被诊断过的结论，若诊断参数相同则复用已有诊断结论；否则在诊断特征库中是否有相同诊断参数特征数据，若存在，就复用做进一步诊断。如果诊断记录和特征均不存在则从历史时域数据库中取出原始数据并从方法组建库中调用适当的方法进行特征提取，然后将新的特征数据存入诊断数据库。下一步故障诊断系统根据选择的诊断方法调用相应的方法组件并从诊断知识库取出知识进行诊断。最后阶段，用户可常看诊断结论。同时系统根据用户的诊断反馈，对知识库和诊断历史库进行更新。具体流程图如下：图7部件检测和诊断流程图8整机检测和诊断流程（6）第六章总结与展望，总结了论文期间完成的所有工作，并对本文所做工作的应用前景进行了展望。5论文创新点：（1）.提出了一种基于网络技术的分布式采煤机系统的实时监测与诊断系统。采煤机状态监测和故障诊断由二十世纪七十年代发展至今，主要经历两个阶段，定期监测和故障诊断系统及微机集成故障检测和诊断系统。定期监测和故障诊断通过现场传感器采集设备运行信息，由单片机进行分析与诊断。优点是经济、灵活、便捷。但是其抗干扰弱、效率低，占用大量人力物力，而且是定期开通，不能扑捉采煤机发生故障前后信号，难于正确诊断故障和对运行趋势进行预警。微机集成故障监测与诊断是对每个系统安装一套故障检测诊断系统，这种方式优点是实时性好，可靠性高。但其是个封闭系统信息只在系统内部循环，现场所有监测信号不能共享，随着工厂规模扩大和设备复杂化，其应用将越来越局限。我们根据采煤机系统的功能分布和地域分布的特点，设计了基于网络技术的分布式监测与诊断系统。该系统将各个测点的计算机组成网络，实现资源共享、分散监控和集中诊断，提高了系统效率。同时它还是一个相对开放的系统。随着互联网和通讯技术的进步，还可实现行业企业间的互联和资源共享。（2）.提出一种新的知识获取的系统模型。在截至目前的采煤机故障诊断文献中还没有一个统一和明确的知识获取模型。本文通过总结和分析数据挖掘的过程模型，发现知识获取过程与数据挖掘过程在本质上是相同的，因此，将数据挖掘过程模型引入到故障诊断专家系统中，一方面改变本领域没有统一模型的现状，同时也为数据挖掘引入诊断专家系统提供了保证。（3）.针对传统D-S证据合成方法无法解决冲突证据融合问题，提出一种基于冲突加权分配的证据合成方法。不但解决了传统D-S方法不足，而且同常见的融合方法（最大法和平均法）相比，具有更高融合精度。多加元回归分析：a定义分析若干个预测变项和一个效标变项之间关系。b原理：回归分析是处理变量的统计相关关系的一种数理统计方法。回归分析的基本思想是：虽然自变量和因变量之间没有严格的、确定的函数关系，但可以设法找出最能代表他们之间关系的数学表达形式。c解决问题：确定几个特定变量之间是否存在相关关系，如果存在的话，找出他们之间合适的数学表达式；根据一个或几个变量的值，预测或者控制另一个变量的取值，并且可以知道这种预测或控制能达到什么样的精确度；进行因素分析。对于共同影响一个变量的许多变量（因素）之间，找出那些事重要因素，那些为次要因素，这些因素之间又存在哪些关系等。d应用：实验数据的一般处理，经验公式的求得，因素分析，气象和地震预报，自动控制中数学模型的制定等。可分为一对多和多对多分析等。支持向量机：简称SVM，是科里纳于1995年首先提出的。根据有限样本信息在模型的复杂性（即对特定样本的学习精度）和学习能力（即无错误地识别任意样本能力）之间寻求最佳折中，以期获得最好的推广能力。二、课题的研究意义采煤机系统是煤炭生产的核心设备，目前煤炭目前仍然是我国的基本能源，据统计仍然占我国总能源的70%左右。尽管国家能源局发布新的规划中提出了“多元发展”的方略，但煤炭仍然占据重要基础地位。自进入二十世纪末以来，随着科学技术的迅猛发展和市场竞争的日趋激烈，采煤机也逐渐朝着连续化、大型化、高速化、智能化方向发展，来保证采煤机高效性和连续作业能力。而这种连续化、大型化、高速化、智能化满足了国家和生产企业的产能目标，加速实现采煤自动化水平，降低了生产成本，提高了生产效率。但是身为采煤生产核心的采煤机工作环境恶劣；除了电磁干扰，煤尘、瓦斯、岩石压力、水雾侵蚀影响性能，同时运转时还要承受岩石、煤体等巨大冲击负载，一旦发生事故，轻则影响生产效率，重则停产整顿，甚者会发生机毁人亡几连带恶性事故。因此，为了能使采煤机系统更高效、更可靠运转，就必须掌握采煤机实时运行信息，找出其本质特征，并总结变化规律，实现对采煤机关键部分实行状态监测和故障预测。数据挖掘与信息融合理论和计算机技术、自动化技术、信号处理技术的发展，为采煤机状态监测和故障诊断提供了以后总全新的解决方案。因此该研究对进一步保证设备安全，稳定、长周期、满负荷优质高效运行，实现采煤机系统的预知维修，提供系统管理水平，满足煤炭生产目标要求，保障国家能源安全有着十分重要的现实意义。三、研究方案及实验设想本论文的研究采煤机系统原理和智能控制理论为指导，在深入了解采煤机结构和工作原理的基础上，理解采煤机构造，熟悉系统安装的大量传感器及工矿监视设备；掌握数据挖掘和信息融合的类型和基本原理。在上述基本规律的指引下，通过实验研究，分析总结采煤机系统运转工作是的状态监测信息，评价、理解具体的正常和非正常模式，对系统的机械结构、电气控制部分、信号采集以及界面显示和数据的储存和处理进行详细设计，为研究受采煤机工矿检测和故障预警理论研究提供可靠的设备支持。论文既要注意当前信息特征值的变化规律又要注意故障的发生、发展过程，同时还要考虑各种应用场合。本系统研究具体分成三个层次：第一层次由多路振动信息采集卡，工艺（压力、温度等）信号采集卡，转速信号采集卡，报警开关信号采集存储卡和开关切换与调理电路组成。利用振动、温度、压力等传感器、变送器等在线获取采煤机系统工况信息。第二层次对采煤机监测信息进行特征分析，并对其特征信息基于数据挖掘的提取方法进行研究。与传统的特征抽取方法比较，初步证明多元回归分析和改进的神经网络和支持向量机决策树分析方法分类时间短、特征提取简便、训练速度较快等优点。第三层次对采煤机故障状态信息的特征级融合技术进行研究，构造采煤机特征级融合的结构模型与方法，研究特征级融合中的特征匹配问题，建立基于贝叶斯网络的特征级融合的推理模式并给出推理算法，提出多特征信息融合组合算法和特征级融合方法。最后研究采煤机系统故障的多传感器决策级融合技术，研究基于粗集理论建立决策融合规则模型的方法，建立基于数据特征的决策级融合规则模型，并采用粗集结合信息熵理论来分析剔除冗余属性。提出粗糙集合与模糊集合相结合的方法，分析粗模糊集合和模糊粗集的特性，建立了斯灾害决策级融合的模糊粗糙集模型。四、所阅读的文献资料[1] 赵磊.采煤机常见故障的诊断程序和方法[J].煤矿现代化，2009（6）：90-91.[2]韦洪喜.国内外采煤机工况检测和故障诊断技术现状[J].煤炭技术，2005（5）：3-4.[3]张田.采煤机故障报警与诊断决策支持系统的设计分析[J].煤矿机械,2006（3）,528-530.[4]许映怀MG300/700采煤机常见故障处理与安全运行[J].煤矿安全，2007（9）70-71.[5]薛运红电牵引采煤机电气故障判断及处理[J].煤炭技术,2008（3）.[6]宋志安等．MCLE600型电牵引采煤机故障诊断专家系统[J]．煤矿机械，2006(4)：700-701.[7]杨树莲.人工神经网络方法在采煤机故障诊断中的应用[J].煤矿机械,2005(10)：155-156.[8]肖瑞玲,李学来,连向东.国外几种新型采掘设备技术性能和结构特点[J]煤矿机电,2006,(01.[9]代睿.一种基于RBF神经网络的智能故障诊断方法[J].北京联合大学学报(自然科学版),2009,(02).[10]谢国民付华．卧式冷室压铸机计算机控制系统[J]．仪表技术与传感器，2009（4）.[11] 杨树莲.小波和神经网络在采煤机故障诊断中的应用[J]． 煤炭科学技术，2006（9），26.[12]李军利.采煤机远程监测与故障诊断系统研究[J].煤矿机械，2007（5）：15-16.[13]尹丽娜.采煤机故障自调整模糊诊断技术[J].煤炭科学技术，2009（7），23(2)：11-12.[14]张崇刚.模糊理论在故障诊断专家系统中的应用[J].中国测试技术，2008(5)：36-38.[15]谢国民．基于可拓数据挖掘道德煤矿瓦斯预警系统研究[J]．国际计算机与工程技术大会：上海交通大学，2010（6）.[16]JonathanSwingler,NoureddineBenjemaa.Correlationbetweenwearandelectricalbehaviorofcontactinterfacesduringfrettingvibration[C].The23thInternationalConferenceonElectricalContact,Sendai,Japan,2006:215-219.[17]胡俊.基于CLIPS的电牵引采煤机故障诊断专家系统的应用研究[J].工矿自动化,2009,(05)[18]王智会.采煤机故障监测仪[J].煤炭技术,2009,(07).[19]刘琦.矿山设备故障诊断技术的探讨与应用[J]机械管理开发,2009,(05).[20]贾永前.基于虚拟仪器和信息融合的检测诊断系统 [J]国外电子测量技术,2007,(1).[21]孙红辉.基于神经网络信息融合的柴油机故障诊断[J].机电工程技术，2005，12（3）：30-33.[22]郑华耀,凌志.现代船用柴油机智能故障诊断系统的研究[J]系统仿真技术,2010,(02).[23]李武朝，朱大奇.基于信息融合的便携式旋转风机故障诊断分析仪 [J]仪表技术与传感器,2006(3).[24]钟更进.基于BP神经网络的信息融合发动机故障诊断研究[J]微计算机信息，2007（5）.[25]张翼.传感器多故障的信息融合方法研究[J].中国电机工程学报，2007,6（11）.[26]郑长松.基于证据理论的多技术油液分离信息融合故障诊断[J]中国机械工程，2008,（5）.[27]尉询楷.基于支持向量机的信息融合诊断方法[J].系统工程与电子技术，2005(9):31-33.[28]凌六一.基于多传感器信息融合的矿井通风机故障诊断[J].煤炭科学技术,2008(6).[29]杨广.粗糙集与证据理论融合的综合诊断方法研究[J].武汉理工大学学报，2009（8）.[30]关初花等.信息融合模型及其应用,现代计算机2008(12)：22-25.[31]胡胜利.基于遗传神经网络的多级信息融合模型研究 [J].计算机工程与设计北京：中国电力出版社，2004.[32]周浔,任锐.基于模糊理论的多传感器信息融合技术在电机故障诊断中的应用[J]车辆与动力技术,2008,(04).[33]李光海,刘正义.声发射源多传感器数据融合识别技术[A]北京机械工程学会2006年优秀论文集[C],2006.[34]陶秀凤.基于支持向量机的多传感器信息融合算法[J].计算机技术与发展，2006（6）.[35]吕漫丽,孙灵芳.多传感器信息融合技术[J]自动化技术与应用,2008,(02).[36]孙来军,沈永良.多SVM多级信息融合与诊断决策模型的研究[A]2007'中国仪器仪表与测控技术交流大会论文集（二）[C],2007.[37]陈双叶,张微敬.一种基于粗糙集的模糊信息融合方法及应用[J]中国工程科学,2006,(12).[38]霍亮,唐宏.基于D-S理论的空间信息融合算法的研究[J]弹箭与制导学报,2005,(S5).[39]GabrielaMoise,JörgSander,MartinEster.Robustprojectedclustering[J]KnowledgeandInformationSystems,2008,14,(3).[40]CharlotteBean,ChandraKambhampati.Autonomousclusteringusingroughsettheory[J]InternationalJournalofAutomationandComputing,2008,5,(1).[41]黄鹍,陈森发,亓霞,周振国.基于粗集理论和支持向量机的多源信息融合方法及应用[J].模式识别与人工智能,2005,(03).[42]祝宏,曾祥进.多传感器信息融合研究综述[J].计算机与数字工程,2007,(12).[43]付华,高婷,杨欣.Vague集信息融合理论在煤矿安全监测中的应用[J].计算机应用研究,2009,(06).[44]马大中,张化光,冯健,刘金海.一种基于多传感器信息融合的故障诊断方法[J].智能系统学报,2009,(01).[45]王江萍,李飞,鲍泽富.多传感器信息融合方法在钻井事故诊断中的应用[J].新技术新工艺,2009,(02).[46]沈邦兴，文昌俊.实验设计及工程应用[M].北京：中国计量出版社，2006.[47]吴双力，崔剑，王伯岭．AVR-GCC与AVR单片机C语言开发[M]．北京：北京航空航天大学出版社，2004．[48]谢国民,付华,王涛,杨崔.基于信息融合的煤层自然发火监测系统研究[J].传感器与微系统,2009,(04).[49]穆荣军,崔乃刚.多传感器优化融合模型的理论与仿真研究[J].仪器仪表学报,2006,(S1).[50]李存斌等.数据库应用技术-SQLServer2000简明教程[M].北京：中国水利水电出版社，2007.[51]倪文峰,王忠宾,李舒斌,王磊磊,孟凡旺.基于虚拟机的采煤机远程监控平台关键技术[J].煤炭科学技术,2009,(02).[52]王长平,张志强,张晓强.基于Virtools以及WinCC的采煤机远程监控平台构建[J].煤矿机械,2009,(12).[53]王智会.采煤机故障监测仪[J].煤炭技术,2009,(07).[54]赵新华,姜涛,王俊平.采煤机主要故障分析[J].山东煤炭科技,2009,(03).[55]李晓豁.采煤机参数与工作面温升关系的数学模型[J].辽宁工程技术大学学报(自然科学版),2009,(04).[56]张建文.基于多传感器的电牵引采煤机综合监测系统  [J].电气应用，2007（9）.[57]JosephC.Giarratano,GryD.Riley,ExpertSestemsPrinciplesandProgrammingFourthEdition[M]机械工业出版社，2006论文 工作计划 幼儿园家访工作计划关于小学学校工作计划班级工作计划中职财务部门工作计划下载关于学校后勤工作计划 论文工作计划起止日期阶段工作内容及计划完成的指标2010.6-2010.82010.9-2010.102010.11-2010.1220011.1-2011.22011.3-2011.42011.5-2011.62011.7-2012.82011.9-2011.102011.11-2011.122012.1-2012.3进一步调研和文献资料查阅，总体研究方案设计，具体方法步骤拟定；深入了解采煤机各部分的机械结构，掌握其多传感器输入平台和其他监测及显示设备；设计采煤机系统电气控制系统和基于单片机（或PLC）的下位机数据采集系统；下位机软件系统设计、开发；基于数据挖掘的特征提取研究和计算机仿真设计；基于信息融合的特征融合和决策预警研究，确定实验方案，进行计算机仿真设计。基于数据挖掘模型，结合信息融合方法，提出了一种新的基于数据挖掘与信息融合的知识获取和故障诊断系统，并进行仿真设计。系统总体数据处理与理论分析，研究各种种故障状态发生规律，加以比较、总结、汇总；整理、撰写论文；论文修改、补充、完善，申请答辩。实验设备及其他条件落实情况：研究对象选定合作单位开滦集团钱家营矿业公司现役MG650/1620-WD新型双滚筒采煤机，所需传感器、变频器、检测设备等已落实。属于哪一级科研项目及所属类型（国家重点、部委、省（市）、校重点、横向、自选等）及经费来源、金额：（单位千元）国家自然科学项目基金：26万元；辽宁省科技攻关项目基金：12万元。在所属论文类型、选题来源前划“√”（只可选择一项填写）论文类型√理论研究应用基础用于生产其他选题来源√指导教师所承担的科研课题或其中的子课题委托或定向单位所承担的科研课题或其子课题自选题指导教师意见：导师签字年月日导师组意见：签字年月日研究生论文选题报告评审纪要教研室（研究室）主持人：时间：参的名加专及评家职审姓称姓名职称姓名职称评开提题审题出及会报的意对告问见请专家按下列指标评议选项报告，在评价项栏划“√”。等级指标优良中差论选文题选题有新意，有较大的科学理论意义或对国民经济建设有较大的实用价值。选题有一定的理论意义或一定的实用价值。选题尚可，对生产有意义。选题不当，理论意义或使用价值不明确。文综献述阅读广泛，综述能力很强，了解本领域国内外学术研究动态主攻方面明确。阅读比较广泛，综述分析能力较强，了解本领域前人主要工作，明确工作方向。基本了解本学科及相关学科的研究状况和进展，综述尚可。综述不够全面，对本学科及相关学科的研究不十分了解。是否通过签字年月日学科（专业）学位委员会审批意见：签字年月日