| 摘要 | 第15-17页 |
| Abstract | 第17-19页 |
| 第一章 绪论 | 第20-41页 |
| 1.1 研究目的及意义 | 第20-23页 |
| 1.2 国内外研究现状 | 第23-36页 |
| 1.2.1 随钻测量技术研究现状 | 第23-29页 |
| 1.2.2 不良地质体识别技术研究现状 | 第29-31页 |
| 1.2.3 界面识别技术研究现状 | 第31-34页 |
| 1.2.4 围岩分级方法研究现状 | 第34-36页 |
| 1.3 目前研究存在的问题 | 第36-37页 |
| 1.4 主要研究内容、技术路线和创新点 | 第37-41页 |
| 1.4.1 主要研究内容 | 第37-38页 |
| 1.4.2 技术路线 | 第38-40页 |
| 1.4.3 创新点 | 第40-41页 |
| 第二章 数字钻进能量理论 | 第41-55页 |
| 2.1 能量原理 | 第41-45页 |
| 2.1.1 钻进能量 | 第42-44页 |
| 2.1.2 钻进比功 | 第44-45页 |
| 2.2 机械比能 | 第45-49页 |
| 2.2.1 机械比能概念 | 第45-46页 |
| 2.2.2 机械比能常规计算模型 | 第46-47页 |
| 2.2.3 复合钻进机械比能计算模型 | 第47-49页 |
| 2.3 加权比功 | 第49-53页 |
| 2.3.1 加权比功概念 | 第49-50页 |
| 2.3.2 功效系数法基本原理 | 第50-51页 |
| 2.3.3 基于粗糙集理论的权重确定 | 第51-53页 |
| 2.4 本章小结 | 第53-55页 |
| 第三章 数字钻进系统 | 第55-95页 |
| 3.1 实验载体钻机 | 第56-57页 |
| 3.2 数据采集系统改进方案 | 第57-75页 |
| 3.2.1 数据采集系统 | 第57-58页 |
| 3.2.2 转速传感系统 | 第58-63页 |
| 3.2.3 位移传感系统 | 第63-65页 |
| 3.2.4 流量传感系统 | 第65-70页 |
| 3.2.5 压力传感系统 | 第70-75页 |
| 3.3 数据转换处理系统改进方案 | 第75-82页 |
| 3.3.1 A/D转换单元 | 第75-80页 |
| 3.3.2 DSP单元 | 第80-82页 |
| 3.4 数据存储系统改进方案 | 第82-93页 |
| 3.4.1 数字钻进信息数据库 | 第82-84页 |
| 3.4.2 数字钻进信息存储及处理系统 | 第84-93页 |
| 3.5 本章小结 | 第93-95页 |
| 第四章 基于数字钻进参数可钻性指标的界面识别方法研究 | 第95-121页 |
| 4.1 基于数字钻进参数可钻性指标的界面识别原理 | 第95-102页 |
| 4.1.1 岩石的可钻性 | 第95-97页 |
| 4.1.2 基于钻进速度-转数-推进力耦合的可钻性指标 | 第97-99页 |
| 4.1.3 可钻性指标对地层识别的敏感性 | 第99-100页 |
| 4.1.4 基于可钻性指标的地层识别过程 | 第100-102页 |
| 4.2 数字钻进参数变化规律 | 第102-111页 |
| 4.2.1 钻进速度变化规律 | 第102-105页 |
| 4.2.2 推进力变化规律 | 第105-108页 |
| 4.2.3 扭矩变化规律 | 第108-111页 |
| 4.3 基于数字钻进参数可钻性指标的界面识别实验及结果分析 | 第111-120页 |
| 4.3.1 界面识别过程 | 第111-115页 |
| 4.3.2 界面识别结果分析 | 第115-120页 |
| 4.4 本章小结 | 第120-121页 |
| 第五章 基于钻进能量聚类划分的不良地质体识别方法研究 | 第121-141页 |
| 5.1 聚类分析 | 第121-124页 |
| 5.1.1 聚类算法 | 第121-122页 |
| 5.1.2 基于划分的聚类算法 | 第122-124页 |
| 5.2 相异度计算与聚类间距离公式选择 | 第124-127页 |
| 5.2.1 相异度计算 | 第124-126页 |
| 5.2.2 聚类间距离公式选择 | 第126-127页 |
| 5.3 基于仿生k-medoids算法的不良地质体识别方法 | 第127-132页 |
| 5.3.1 仿生k-medoids算法 | 第127-129页 |
| 5.3.2 聚类代价判断 | 第129页 |
| 5.3.3 基于仿生k-medoids算法的不良地质体识别过程 | 第129-132页 |
| 5.4 仿生k-medoids算法聚类实验及结果分析 | 第132-139页 |
| 5.4.1 聚类性能分析指标 | 第132-133页 |
| 5.4.2 聚类性能分析 | 第133-136页 |
| 5.4.3 不良地质识别结果分析 | 第136-139页 |
| 5.5 本章小结 | 第139-141页 |
| 第六章 基于数字钻进技术和量子遗传-RBF神经网络的围岩分级研究 | 第141-158页 |
| 6.1 量子算法 | 第141-145页 |
| 6.1.1 量子信息论基础 | 第141-142页 |
| 6.1.2 量子比特 | 第142-143页 |
| 6.1.3 量子逻辑门 | 第143-144页 |
| 6.1.4 量子比特特性 | 第144-145页 |
| 6.2 遗传算法 | 第145-148页 |
| 6.2.1 遗传算法的构成要素 | 第146-147页 |
| 6.2.2 遗传算法的特点及应用 | 第147-148页 |
| 6.3 量子遗传算法 | 第148-151页 |
| 6.3.1 量子遗传算法编码 | 第149页 |
| 6.3.2 量子旋转门策略 | 第149-150页 |
| 6.3.3 量子遗传算法特点 | 第150-151页 |
| 6.4 QGA-RBF超前围岩分级模型 | 第151-154页 |
| 6.4.1 RBF神经网络 | 第151页 |
| 6.4.2 围岩分类的RBF神经网络模型 | 第151-152页 |
| 6.4.3 量子遗传算法优化RBF神经网络参数 | 第152-153页 |
| 6.4.4 基于数字钻进技术和QGA-RBF的围岩分类模型 | 第153-154页 |
| 6.5 围岩分级实验及结果分析 | 第154-157页 |
| 6.5.1 评价指标及学习样本 | 第154页 |
| 6.5.2 模型训练 | 第154-155页 |
| 6.5.3 实例应用 | 第155-157页 |
| 6.6 本章小结 | 第157-158页 |
| 第七章 青岛胶州湾隧道工程应用 | 第158-183页 |
| 7.1 青岛胶州湾隧道工程概况 | 第158-167页 |
| 7.1.1 工程概况 | 第158-159页 |
| 7.1.2 地层岩性 | 第159-162页 |
| 7.1.3 地质构造 | 第162-167页 |
| 7.2 界面识别 | 第167-171页 |
| 7.2.1 界面识别实验概况 | 第167-168页 |
| 7.2.2 钻进参数采集 | 第168-170页 |
| 7.2.3 界面识别结果分析 | 第170-171页 |
| 7.3 不良地质体识别 | 第171-177页 |
| 7.3.1 不良地质识别实验概况 | 第171-172页 |
| 7.3.2 加权比功数据采集 | 第172页 |
| 7.3.3 不良地质体识别结果分析 | 第172-177页 |
| 7.4 围岩分级 | 第177-183页 |
| 7.4.1 围岩分级实验概况 | 第177页 |
| 7.4.2 钻进参数采集 | 第177-178页 |
| 7.4.3 围岩分级结果分析 | 第178-183页 |
| 7.5 本章小结 | 第183页 |
| 第八章 结论与展望 | 第183-187页 |
| 8.1 结论 | 第183-186页 |
| 8.2 展望 | 第186-187页 |
| 参考文献 | 第187-200页 |
| 致谢 | 第200-201页 |
| 攻读学位期间的科研成果、参与项目及所获奖励 | 第201-204页 |
| 附件 | 第204页 |
