| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 锚杆锚固系统质量检测技术的国内外研究现状 | 第9-10页 |
| 1.2.2 ANSYS/LS-DYNA的国内外研究现状 | 第10-11页 |
| 1.2.3 概率神经网络的国内外研究现状 | 第11-13页 |
| 1.3 研究的主要内容及技术路线 | 第13-15页 |
| 1.3.1 研究的主要内容 | 第13-14页 |
| 1.3.2 技术路线 | 第14-15页 |
| 第二章 锚杆锚固系统有限元模型建立及其数值分析 | 第15-39页 |
| 2.1 有限元分析软件ANSYS/LS-DYNA概述 | 第15-24页 |
| 2.1.1 有限元分析法 | 第16-19页 |
| 2.1.2 ANSYS/LS-DYNA的分析能力和分析过程 | 第19-22页 |
| 2.1.3 基本显示算法 | 第22-24页 |
| 2.2 锚杆锚固系统有限元模型的建立 | 第24-31页 |
| 2.2.1 有限元模型建立的基本原则 | 第24页 |
| 2.2.2 有限元模型的建立 | 第24-31页 |
| 2.3 不同锚固状态锚杆受荷响应数值模拟分析 | 第31-37页 |
| 2.3.1 完整锚杆锚固系统受荷响应曲线分析 | 第32-33页 |
| 2.3.2 过长锚杆锚固系统受荷响应曲线分析 | 第33-34页 |
| 2.3.3 欠长锚杆锚固系统受荷响应曲线分析 | 第34-35页 |
| 2.3.4 缺陷锚杆锚固系统受荷响应曲线分析 | 第35-37页 |
| 2.3.5 模拟效果评价 | 第37页 |
| 2.4 本章小结 | 第37-39页 |
| 第三章 基于差异演化算法的概率神经网络的智能预测 | 第39-58页 |
| 3.1 传统的概率神经网络 | 第39-46页 |
| 3.1.1 Bayes决策分类 | 第39-40页 |
| 3.1.2 Parzen窗方法 | 第40-42页 |
| 3.1.3 PNN网络模型 | 第42-46页 |
| 3.2 差异演化算法 | 第46-48页 |
| 3.2.1 演化算法 | 第46页 |
| 3.2.2 差异演化算法 | 第46-47页 |
| 3.2.3 差异演化算法框架 | 第47-48页 |
| 3.3 锚杆锚固系统状态的智能识别 | 第48-57页 |
| 3.3.1 小波变换理论 | 第49-50页 |
| 3.3.2 小波包分解的理论知识 | 第50-52页 |
| 3.3.3 小波包能量谱 | 第52-55页 |
| 3.3.4 智能识别 | 第55-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第四章 锚杆锚固系统质量无损检测实验与分析 | 第58-74页 |
| 4.1 实验设计 | 第58-65页 |
| 4.1.1 实验原理 | 第58页 |
| 4.1.2 实验仪器 | 第58-59页 |
| 4.1.3 实验步骤 | 第59-65页 |
| 4.2 实验结果与分析 | 第65-73页 |
| 4.2.1 实验结果 | 第65-67页 |
| 4.2.2 对实验锚杆锚固系统的预测识别 | 第67-73页 |
| 4.3 本章小结 | 第73-74页 |
| 第五章 结论与展望 | 第74-76页 |
| 5.1 结论 | 第74-75页 |
| 5.2 展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第81页 |
