| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-11页 |
| 第一章 绪论 | 第11-32页 |
| ·课题的研究背景及意义 | 第11-12页 |
| ·国内外研究现状与水平 | 第12-17页 |
| ·灌浆设备发展现状 | 第12-14页 |
| ·灌浆过程控制及灌浆理论研究 | 第14-16页 |
| ·依据灌浆流体参数相互变化关系的控制方式 | 第16-17页 |
| ·灌浆压力控制系统的动态特性研究 | 第17-22页 |
| ·灌浆材料的时变特性 | 第18-19页 |
| ·灌浆设备的非线性特性 | 第19-21页 |
| ·裂隙参数对灌浆的影响 | 第21页 |
| ·灌浆系统参数的相互影响关系 | 第21-22页 |
| ·灌浆压力控制系统的工艺研究 | 第22-26页 |
| ·纯压式灌浆法 | 第22-23页 |
| ·小循环灌浆法 | 第23-24页 |
| ·大循环灌浆法 | 第24-25页 |
| ·孔口封闭大循环灌浆工序描述 | 第25-26页 |
| ·灌浆压力控制的难点问题 | 第26-29页 |
| ·灌浆压力设定模型 | 第26-27页 |
| ·灌浆压力的检测 | 第27-28页 |
| ·灌浆系统中参数控制的规范 | 第28-29页 |
| ·灌浆压力控制的关键技术及主要研究内容 | 第29-32页 |
| 第二章 基于混合支持向量T-S模型的地层识别 | 第32-65页 |
| ·引言 | 第32页 |
| ·地层检测方法与识别特征研究 | 第32-36页 |
| ·统计学习理论 | 第36-41页 |
| ·机器学习的数学模型 | 第36页 |
| ·传统学习理论存在的问题 | 第36-37页 |
| ·新统计学习的核心理论 | 第37-41页 |
| ·支持向量机分类算法 | 第41-46页 |
| ·线性可分情形下的算法 | 第41-43页 |
| ·部分数据线性不可分情形下的算法 | 第43-44页 |
| ·非线性可分情形下算法 | 第44-46页 |
| ·支持向量机核函数对地层识别影响的研究 | 第46-47页 |
| ·基于嵌套式均匀设计RBF核参数方法的地层识别 | 第47-49页 |
| ·基于混合支持向量T-S模型识别地层新方法 | 第49-56页 |
| ·支持向量机算法研究进展 | 第49-50页 |
| ·支持向量机"黑箱"学习理论存在问题 | 第50页 |
| ·基于混合支持向量模糊T-S模型(SVMTS)方法 | 第50-53页 |
| ·简化基于支持向量机的模糊规则表达 | 第53-55页 |
| ·基于混合支持向量模糊T-S模型的识别原理 | 第55-56页 |
| ·基于混合支持向量模糊T-S模型(SVMTS)的地层识别 | 第56-62页 |
| ·实验数据与分析 | 第56-57页 |
| ·数值仿真 | 第57-60页 |
| ·模糊规则语义解释 | 第60-61页 |
| ·智能识别地层的成功工程案例 | 第61-62页 |
| ·设计压力参考曲线 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 第三章 基于新型T-S模型的灌浆压力软测量 | 第65-88页 |
| ·引言 | 第65-66页 |
| ·软测量的基本思想及主要非线性建模手段 | 第66-68页 |
| ·软测量的基本思想 | 第66-67页 |
| ·常用非线性软测量建模方法 | 第67-68页 |
| ·机理建模方法 | 第67页 |
| ·基于统计分析的方法 | 第67页 |
| ·基于人工智能的软测量建模方法 | 第67-68页 |
| ·灌浆压力简化机理模型及分析 | 第68-71页 |
| ·管道动态摩擦损失压力数值分析 | 第71-74页 |
| ·返浆管道流体动态模型 | 第71-73页 |
| ·管道动态损失压力结果分析 | 第73-74页 |
| ·灌浆压力非线性数学模型 | 第74-75页 |
| ·TAKAGI-SUGENO模型的全局逼近性能研究 | 第75-77页 |
| ·T-S模糊模型的规则提取 | 第77-82页 |
| ·基于聚类方法的T-S模糊模型的规则提取 | 第77-79页 |
| ·基于输入输出数据提取模糊规则算法 | 第79-82页 |
| ·基于数据抽取模糊规则的灌浆压力软测量模型 | 第82-86页 |
| ·灌浆压力T-S模型输入变量选择 | 第82-83页 |
| ·灌浆压力软测量实验设计 | 第83-86页 |
| ·工程数据检验结果 | 第86-87页 |
| ·本章总结 | 第87-88页 |
| 第四章 基于多模型APSO优化的灌浆压力串级-前馈控制 | 第88-114页 |
| ·引言 | 第88页 |
| ·基本微粒群优化算法 | 第88-92页 |
| ·基本微粒群算法 | 第88-90页 |
| ·基本微粒群算法的收敛性分析 | 第90-92页 |
| ·自适应微粒群优化算法 | 第92-95页 |
| ·自适应微粒群算法模型 | 第92-94页 |
| ·自适应微粒群收敛性分析 | 第94-95页 |
| ·灌浆压力控制方案设计 | 第95-96页 |
| ·控制系统动态简化数学模型 | 第96-98页 |
| ·机理模型分析 | 第96-98页 |
| ·动态试验简化模型 | 第98页 |
| ·灌浆压力主回路控制 | 第98-100页 |
| ·模糊控制器的结构设计 | 第98-99页 |
| ·模糊控制器的推理规则 | 第99-100页 |
| ·管道流量的副回路PID控制 | 第100-102页 |
| ·基于APSO的控制器参数寻优 | 第102-108页 |
| ·单一工况优化目标函数的选择 | 第102页 |
| ·多种工作环境下的优化目标函数的选择 | 第102-104页 |
| ·APSO优化PID参数算法 | 第104-105页 |
| ·基于神经网络的鲁棒调节PID参数算法 | 第105-108页 |
| ·灌浆密度前馈控制 | 第108-110页 |
| ·灌浆密度的模糊控制器的设计 | 第108-110页 |
| ·仿真实验 | 第110-113页 |
| ·本章总结 | 第113-114页 |
| 第五章 灌浆压力控制系统设计与实现 | 第114-132页 |
| ·引言 | 第114-115页 |
| ·灌浆压力控制硬件实验系统 | 第115-117页 |
| ·灌浆压力控制实验系统 | 第115页 |
| ·下位机系统主机 | 第115-117页 |
| ·灌浆压力控制系统多参数的高精度检测 | 第117-124页 |
| ·灌浆流量的检测技术研究 | 第117-119页 |
| ·灌浆液压力的检测技术研究 | 第119-121页 |
| ·灌浆液密度的检测技术研究 | 第121-124页 |
| ·配套设备的功能 | 第124-125页 |
| ·灌浆压力控制实验系统上位机软件 | 第125-126页 |
| ·灌浆压力控制系统试验 | 第126-131页 |
| ·灌浆压力控制系统动态简化模型及优化参数 | 第127页 |
| ·灌浆压力控制系统动态试验 | 第127-131页 |
| ·本章总结 | 第131-132页 |
| 第六章 总结与展望 | 第132-135页 |
| ·本论文研究工作总结 | 第132-133页 |
| ·进一步的讨论和展望 | 第133-135页 |
| 参考文献 | 第135-148页 |
| 致谢 | 第148-149页 |
| 攻读博士学位期间主要研究成果 | 第149页 |
