摘要 | 第1-5页 |
Abstract | 第5-10页 |
1 绪论 | 第10-30页 |
·研究背景和意义 | 第10-12页 |
·盾构机类型与组成 | 第12-13页 |
·盾构机类型 | 第12-13页 |
·盾构机的组成 | 第13页 |
·盾构姿态调整技术及发展现状 | 第13-24页 |
·盾构姿态调整技术 | 第13-18页 |
·盾构姿态调整技术发展现状 | 第18-24页 |
·机器学习理论原理及研究现状 | 第24-28页 |
·本文课题研究内容 | 第28-30页 |
·面临的问题 | 第28页 |
·论文研究内容 | 第28-30页 |
2 支持向量机基础 | 第30-36页 |
·支持向量机原理 | 第30-33页 |
·支持向量机研究现状 | 第33-35页 |
·支持向量机基础理论的研究现状 | 第33-34页 |
·支持向量机学习算法的研究现状 | 第34页 |
·支持向量机的应用研究现状 | 第34-35页 |
·小结 | 第35-36页 |
3 盾构姿态调整样本集的构建方法 | 第36-56页 |
·构建样本集的流程 | 第36-39页 |
·盾构姿态调整样本特征形成 | 第39-48页 |
·盾构姿态力学模型坐标系 | 第40-41页 |
·盾构头部受力 | 第41-43页 |
·千斤顶推力 | 第43页 |
·盾构壳体所受周围土体作用力 | 第43-48页 |
·盾构自重和盾尾受力 | 第48页 |
·盾构姿态调整样本特征的确定 | 第48-51页 |
·样本类别归属的确定 | 第51-52页 |
·样本数量的确定 | 第52-55页 |
·小结 | 第55-56页 |
4 基于样本类属性的支持向量机类惩罚系数权重调整方法 | 第56-67页 |
·不平衡支持向量机的研究现状 | 第56-57页 |
·类惩罚系数权重支持向量机 | 第57-58页 |
·样本类属性差异对分类精度的影响 | 第58-62页 |
·分类精度的评价标准 | 第58-59页 |
·样本数量差异对支持向量机分类精度的影响 | 第59-61页 |
·样本分散程度对支持向量机分类精度的影响 | 第61页 |
·样本类中心距分类平面距离差异对分类精度的影响 | 第61-62页 |
·基于样本类属性的惩罚系数权重支持向量机方法 | 第62-66页 |
·样本在特征空间内分散程度的度量 | 第62-63页 |
·特征空间中样本类中心距分类平面距离的计算 | 第63页 |
·类惩罚系数权重的确定 | 第63-64页 |
·算法步骤 | 第64页 |
·实验验证 | 第64-66页 |
·小结 | 第66-67页 |
5 核心子集近似高斯核支持向量数据描述快速算法 | 第67-82页 |
·一分类问题简述 | 第67-71页 |
·支持向量数据描述方法 | 第71-74页 |
·支持向量数据描述原理 | 第71-73页 |
·一分类算法评价标准 | 第73-74页 |
·核心子集近似高斯核SVDD算法 | 第74-81页 |
·快速分类器训练方法 | 第74-80页 |
·待分类样本类别快速判断方法 | 第80-81页 |
·盾构姿态调整决策函数 | 第81页 |
·小结 | 第81-82页 |
6 盾构姿态调整及推进分层强化学习算法 | 第82-91页 |
·强化学习 | 第82-84页 |
·分层强化学习 | 第84-85页 |
·盾构问题分层强化学习建模 | 第85-88页 |
·盾构姿态调整及推进问题强化学习要素设计 | 第85-87页 |
·盾构问题的任务图 | 第87页 |
·盾构姿态调整及推进分层强化学习算法MAX-QS | 第87-88页 |
·实验分析 | 第88-90页 |
·小结 | 第90-91页 |
7 盾构姿态调整决策系统设计 | 第91-100页 |
·LABVIEW与MATLAB混合编程方法 | 第91-92页 |
·盾构姿态调整决策系统设计框架 | 第92-94页 |
·盾构姿态调整决策系统功能模块功能实现 | 第94-99页 |
·通讯模块功能实现 | 第94-96页 |
·分类器设计模块功能实现 | 第96-98页 |
·分类决策模块功能实现 | 第98页 |
·盾构姿态样本库功能实现 | 第98-99页 |
·小结 | 第99-100页 |
8 结论与展望 | 第100-102页 |
·结论 | 第100-101页 |
·展望 | 第101-102页 |
参考文献 | 第102-112页 |
附录A 盾构姿态调整样本集部分数据 | 第112-118页 |
论文创新点 | 第118-119页 |
攻读博士学位期间发表学术论文情况 | 第119-120页 |
致谢 | 第120-121页 |
作者简介 | 第121-122页 |