本書系統(tǒng)闡述了采煤機(jī)智能制造的自動化與智能化核心瓶頸生產(chǎn)難題與科學(xué)前沿問題：面向采煤機(jī)智能制造優(yōu)化控制系統(tǒng)的研究與開發(fā)。通過對采煤機(jī)智能制造各環(huán)節(jié)的研究，闡述人工智能與大數(shù)據(jù)相關(guān)技術(shù)及其在采煤機(jī)智能制造中的應(yīng)用。針對采煤機(jī)智能制造生產(chǎn)實際問題和實際生產(chǎn)數(shù)據(jù)，本書系統(tǒng)闡述了該領(lǐng)域國內(nèi)外研究現(xiàn)狀，特別是筆者近十年來，包括所指導(dǎo)的數(shù)名碩士生、博士生、博士后從事該領(lǐng)域?qū)嶋H生產(chǎn)研究的相關(guān)思路、方法與成果，使讀者近距離全面了解人工智能與大數(shù)據(jù)方法在采煤業(yè)智能制造中的實際應(yīng)用情況。
本書可作為高等院校自動化、控制科學(xué)與工程、控制系統(tǒng)工程、計算機(jī)科學(xué)與技術(shù)、數(shù)學(xué)與應(yīng)用數(shù)學(xué)、化工工程、材料科學(xué)與技術(shù)、能源與動力工程、機(jī)械工程、經(jīng)濟(jì)學(xué)、管理學(xué)等相關(guān)專業(yè)的教材，也可作為有關(guān)研究人員和工程技術(shù)人員的參考書。

1緒論001～013
1.1研究背景002
1.2關(guān)鍵技術(shù)002
1.2.1采煤機(jī)定位技術(shù)003
1.2.2采煤機(jī)的截割路徑記憶技術(shù)004
1.2.3采煤機(jī)的截割路徑跟蹤技術(shù)004
1.2.4采煤機(jī)自適應(yīng)控制技術(shù)005
1.3采煤機(jī)智能制造的發(fā)展歷史006
1.4研究意義012
思考題013

2智能化采煤機(jī)總體方案規(guī)劃014～030
2.1采煤機(jī)的結(jié)構(gòu)原理及工作過程015
2.2智能化采煤機(jī)的控制方案設(shè)計019
2.3智能化采煤機(jī)的硬件結(jié)構(gòu)設(shè)計021
2.3.1工作面監(jiān)控系統(tǒng)023
2.3.2順槽監(jiān)控系統(tǒng)026
2.3.3地面監(jiān)控系統(tǒng)027
思考題030

3采煤機(jī)位置與姿態(tài)定位方法031～040
3.1采煤機(jī)的位置定位032
3.1.1采煤機(jī)機(jī)身坐標(biāo)系的建立033
3.1.2采煤機(jī)機(jī)身定位策略034
3.1.3采煤機(jī)機(jī)身定位的理論模型035
3.2采煤機(jī)的姿態(tài)定位038
思考題040

4采煤機(jī)截割路徑記憶方法041～061
4.1現(xiàn)狀分析042
4.2采煤機(jī)的截割路徑記憶策略043
4.2.1截割路徑的記憶043
4.2.2記憶點的選取方案045
4.2.3記憶點的數(shù)據(jù)結(jié)構(gòu)048
4.2.4記憶點的數(shù)據(jù)壓縮049
4.3記憶路徑的評價方法051
4.3.1人工免疫理論051
4.3.2基于人工免疫的記憶點評價模型055
思考題060

5采煤機(jī)截割路徑跟蹤方法062～081
5.1現(xiàn)狀分析063
5.2采煤機(jī)截割路徑的跟蹤目標(biāo)064
5.2.1基于多項式插值的跟蹤目標(biāo)065
5.2.2基于樣條曲線插值的跟蹤目標(biāo)066
5.2.3基于誤差帶的跟蹤目標(biāo)068
5.3采煤機(jī)截割路徑的跟蹤策略069
5.3.1截割路徑的軌跡跟蹤策略070
5.3.2截割路徑的動作跟蹤策略072
5.3.3截割路徑的狀態(tài)修正策略072
5.4采煤機(jī)跟蹤路徑的評價方法074
5.4.1灰色關(guān)聯(lián)度分析074
5.4.2基于灰色關(guān)聯(lián)度的路徑跟蹤評價模型076
思考題081

6采煤機(jī)截割負(fù)載動態(tài)分析方法082～109
6.1現(xiàn)狀分析083
6.2采煤機(jī)截割負(fù)載特性分析084
6.2.1截割部傳動系統(tǒng)的負(fù)載分析084
6.2.2截割負(fù)載與截割電流間關(guān)系的理論模型085
6.2.3截割負(fù)載與截割電流間關(guān)系的試驗研究087
6.3采煤機(jī)截割電流特性分析090
6.3.1小波分析理論090
6.3.2截割電流信號的小波分解與重構(gòu)093
6.4基于電流譜的采煤機(jī)截割負(fù)載分析097
6.4.1人工神經(jīng)網(wǎng)絡(luò)097
6.4.2基于人工神經(jīng)網(wǎng)絡(luò)的截割負(fù)載與截割電流關(guān)系模型100
6.5基于CPSO-SVM的采煤機(jī)截割負(fù)載識別方法101
6.5.1SVM算法101
6.5.2PSO算法103
6.5.3CPSO算法104
6.5.4CPSO尋優(yōu)SVM參數(shù)106
6.5.5采煤機(jī)的CPSO-SVM負(fù)載識別方法107
思考題108

7采煤機(jī)歷史可靠性分析方法110～150
7.1現(xiàn)狀分析112
7.2可靠性基本理論113
7.2.1可靠性的基本概念113
7.2.2可靠性特征指標(biāo)114
7.2.3維修性特征指標(biāo)118
7.2.4有效性特征指標(biāo)119
7.2.5可靠性中常用的概率分布120
7.2.6典型的可靠性模型125
7.3采煤機(jī)整機(jī)歷史可靠性分析135
7.3.1采煤機(jī)硬件結(jié)構(gòu)135
7.3.2采煤機(jī)常見故障141
7.3.3采煤機(jī)可靠性框圖142
7.3.4采煤機(jī)故障數(shù)據(jù)處理144
7.3.5采煤機(jī)可靠性模型擬合146
7.3.6采煤機(jī)可靠性數(shù)據(jù)分析149
思考題150

8基于相關(guān)失效的采煤機(jī)動態(tài)可靠性分析方法151～173
8.1現(xiàn)狀分析152
8.1.1相關(guān)失效的研究現(xiàn)狀152
8.1.2動態(tài)可靠性的研究現(xiàn)狀153
8.2相關(guān)基本理論154
8.2.1應(yīng)力-強度干涉模型155
8.2.2共因失效模式下零部件可靠性模型156
8.2.3相關(guān)失效系統(tǒng)可靠性模型157
8.2.4Copula相關(guān)性理論159
8.3采煤機(jī)的動態(tài)可靠性分析160
8.4采煤機(jī)各切削模式下工作載荷實時監(jiān)測系統(tǒng)的建立165
8.5動態(tài)載荷作用下的基于人工智能的采煤機(jī)各切削模式實時動態(tài)可靠性建模166
思考題173

9采煤機(jī)在線可靠性預(yù)報系統(tǒng)174～200
9.1現(xiàn)狀分析175
9.2采煤機(jī)在線可靠性預(yù)報系統(tǒng)設(shè)計177
9.2.1最小二乘支持向量機(jī)177
9.2.2加權(quán)最小二乘支持向量機(jī)(WLSSVM)179
9.2.3標(biāo)準(zhǔn)粒子群優(yōu)化算法180
9.2.4改進(jìn)的粒子群算法180
9.2.5混沌改進(jìn)粒子群算法181
9.2.6混合CMPSO-WLSSVM算法182
9.2.7混合CMPSO-WLSSVM模型的在線修正策略184
9.3采煤機(jī)在線可靠性預(yù)報系統(tǒng)分析185
9.3.1采煤機(jī)在線可靠性預(yù)報結(jié)果分析186
9.3.2更多問題的數(shù)據(jù)集187
思考題199

10采煤機(jī)在線截割模式識別系統(tǒng)201～215
10.1現(xiàn)狀分析202
10.2采煤機(jī)在線截割模式識別系統(tǒng)設(shè)計204
10.2.1相關(guān)向量機(jī)(LSSVM)204
10.2.2混沌引力搜索算法(CGSA)205
10.2.3CGSA-RVM模型207
10.3采煤機(jī)在線截割模式識別系統(tǒng)分析208
10.3.1模擬和數(shù)據(jù)采樣208
10.3.2采煤機(jī)截割模式識別210
10.3.3結(jié)果分析214
思考題215

11實驗研究216～250
11.1自適應(yīng)截割實驗217
11.1.1實驗室實驗217
11.1.2工廠實驗220
11.1.3工作面實驗228
11.2截割負(fù)載動態(tài)識別實驗236
11.2.1實驗平臺236
11.2.2實驗方案237
11.2.3數(shù)據(jù)優(yōu)化與負(fù)載識別239
11.2.4識別效果對比243
11.3可靠性分析實驗244
11.3.1實驗數(shù)據(jù)244
11.3.2實驗方案245
11.3.3模型參數(shù)優(yōu)化247
11.3.4分析結(jié)果對比248
思考題250

參考文獻(xiàn)251

圖索引262

表索引268