| 第1章 绪论 | 第1-15页 |
| 1．1 国内外公路隧道概况 | 第7页 |
| 1．2 国内外公路隧道通风方式调查 | 第7-9页 |
| 1．3 公路隧道纵向通风控制现状 | 第9-14页 |
| 1．3．1 通风控制系统在公路隧道监控系统中的位置 | 第9-10页 |
| 1．3．2 隧道通风控制方式和控制方法 | 第10-13页 |
| 1．3．3 存在的问题 | 第13-14页 |
| 1．4 本文的研究内容、目标和方法 | 第14-15页 |
| 1．4．1 研究内容和目标 | 第14页 |
| 1．4．2 研究方法 | 第14-15页 |
| 第2章 公路隧道通风系统的构成及相关模型 | 第15-32页 |
| 2．1 公路隧道通风系统构成 | 第15-17页 |
| 2．1．1 控制目标 | 第15-16页 |
| 2．1．2 系统构成 | 第16-17页 |
| 2．2 通风系统各组成部分的数学模型 | 第17-31页 |
| 2．2．1 空气动力学模型 | 第17-19页 |
| 2．2．2 污染模型 | 第19-22页 |
| 2．2．3 交通模型 | 第22-26页 |
| 2．2．4 控制模型 | 第26-31页 |
| 2．3 通风模拟程序框图 | 第31-32页 |
| 第3章 基于隧道通风模糊控制的神经网络 | 第32-42页 |
| 3．1 神经网络的结构模型 | 第33-35页 |
| 3．2 神经网络的学习算法 | 第35-42页 |
| 3．2．1 隶属函数初始值的确定 | 第35-37页 |
| 3．2．2 规则库的确定 | 第37-39页 |
| 3．2．3 隶属函数的调整和优化 | 第39-42页 |
| 第4章 神经模糊控制系统建立的一般方法 | 第42-49页 |
| 4．1 建立神经模糊控制系统的流程 | 第42-43页 |
| 4．2 数据准备 | 第43-47页 |
| 4．2．1 样本数据 | 第43-46页 |
| 4．2．2 网络参数 | 第46-47页 |
| 4．3 建立神经网络 | 第47页 |
| 4．4 调整优化 | 第47-49页 |
| 第5章 公路隧道纵向通风控制系统的设计准则 | 第49-52页 |
| 5．1 基本数据准备 | 第49-50页 |
| 5．2 数据处理 | 第50页 |
| 5．3 建立系统 | 第50-51页 |
| 5．4 仿真模拟和效果评价 | 第51-52页 |
| 第6章 工程仿真和控制效果分析 | 第52-76页 |
| 6．1 简单交通模型的通风仿真 | 第52-63页 |
| 6．1．1 对单一样本学习的控制效果 | 第53-56页 |
| 6．1．2 对多个样本学习的控制效果 | 第56-59页 |
| 6．1．3 对多个最优样本学习的控制效果 | 第59-63页 |
| 6．2 复杂交通模型的通风仿真 | 第63-68页 |
| 6．2．1 引入复杂交通模型的必要性 | 第63-65页 |
| 6．2．2 对多个最优样本学习的控制效果 | 第65-68页 |
| 6．3 适应性分析 | 第68-74页 |
| 6．3．1 交通流量整体减小时的控制效果 | 第69-71页 |
| 6．3．2 车辆基准排放量减小时的控制效果 | 第71-72页 |
| 6．3．3 特殊交通流的控制效果 | 第72-74页 |
| 6．4 存在的问题 | 第74-76页 |
| 结论 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 附录 风机开启策略程序 | 第82-84页 |
| 攻读硕士学位期间发表的论文 | 第84页 |