| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 压实与路基性能的关系 | 第9-13页 |
| 1.1.1 压实和路基土强度的关系 | 第9页 |
| 1.1.2 压实和路基土塑性形变的关系 | 第9-10页 |
| 1.1.3 压实和路基土稳定性的关系 | 第10-11页 |
| 1.1.4 密实度和路堤变形的关系 | 第11-12页 |
| 1.1.5 由于路基压实不够导致的路面早期损坏案例 | 第12-13页 |
| 1.2 常用压实度测试方法及其优缺点评述 | 第13-19页 |
| 1.2.1 密实度破坏性测试方法 | 第13-15页 |
| 1.2.2 密实度无损测试方法 | 第15-19页 |
| 1.3 本文的主要工作和意义 | 第19-21页 |
| 1.3.1 研究的主要内容 | 第19-20页 |
| 1.3.2 研究工作的意义 | 第20-21页 |
| 第二章 土密实度瞬态锤击室内试验及信号的时域分析 | 第21-46页 |
| 2.1 试验简介 | 第21-24页 |
| 2.1.1 土样的颗粒分析 | 第21页 |
| 2.1.2 测试的基本原理 | 第21-22页 |
| 2.1.3 试验装置和试验方法 | 第22页 |
| 2.1.4 试验内容及相关的试验数据 | 第22-24页 |
| 2.2 测试信号降噪方法 | 第24-32页 |
| 2.2.1 最佳傅立叶逼近法降噪及其效果分析 | 第24-25页 |
| 2.2.2 低通滤波及其效果分析 | 第25-27页 |
| 2.2.3 小波降噪及其效果分析 | 第27-31页 |
| 2.2.4 几种降噪方法的比较 | 第31-32页 |
| 2.3 测试信号的时域分析 | 第32-36页 |
| 2.3.1 脉冲幅值的定量分析 | 第32-34页 |
| 2.3.2 信息熵的定量分析 | 第34-36页 |
| 2.4 本章小结 | 第36-38页 |
| 附图一: 测试信号的降噪结果 | 第38-42页 |
| 附图二: 按能量归一化信号 | 第42-46页 |
| 第三章 土密实度瞬态锤击测试信号的频域分析 | 第46-69页 |
| 3.1 引言 | 第46页 |
| 3.2 傅立叶变换及其频谱细化分析 | 第46-52页 |
| 3.2.1 频谱细化问题的提出 | 第46-47页 |
| 3.2.2 FFT-FS频谱细化技术 | 第47页 |
| 3.2.3 计算实例 | 第47-48页 |
| 3.2.4 土密实度瞬态锤击测试信号的频谱分析 | 第48-52页 |
| 3.3 信号的能量分析 | 第52-58页 |
| 3.3.1 信号功率谱密度计算的基本原理 | 第53页 |
| 3.3.2 时窗函数的选择 | 第53-54页 |
| 3.3.3 土密实度瞬态锤击测试信号的功率谱分析 | 第54-58页 |
| 3.4 信号的频域信息熵特征分析 | 第58-61页 |
| 3.4.1 频域信息熵的定义 | 第59页 |
| 3.4.2 用信息熵谱对信号进行区分的例子 | 第59页 |
| 3.4.3 土密实度测试信号的频域信息熵分析 | 第59-61页 |
| 3.5 信号的小波域信息熵特征分析 | 第61-67页 |
| 3.5.1 连续小波变换的基本概念及性质 | 第61-63页 |
| 3.5.2 信号小波域信息熵的定义 | 第63-64页 |
| 3.5.3 土密实度测试信号的小波域信息熵分析 | 第64-67页 |
| 3.6 本章小结 | 第67-69页 |
| 第四章 经验公式的应用及性能比较 | 第69-78页 |
| 4.1 验证数据 | 第69-70页 |
| 4.2 经验公式的验证 | 第70-77页 |
| 4.2.1 验证信号特征参量的求取 | 第71页 |
| 4.2.2 经验公式的验证 | 第71-77页 |
| 4.3 本章小结 | 第77-78页 |
| 第五章 基于神经网络模型的土密实度确定方法研究 | 第78-97页 |
| 5.1 引言 | 第78页 |
| 5.2 人工神经网络建模的原理和方法 | 第78-84页 |
| 5.2.1 生物神经元模型 | 第78-79页 |
| 5.2.2 人工神经建模原理 | 第79-80页 |
| 5.2.3 反向传播学习算法(BP算法) | 第80-83页 |
| 5.2.4 BP算法计算实例 | 第83-84页 |
| 5.3 基于BP网络的土密实度分析模型 | 第84-89页 |
| 5.3.1 特征参量的主成分分析 | 第84-85页 |
| 5.3.2 土密实度分析的神经网络模型 | 第85-89页 |
| 5.4 基于信息优化算法的三层前馈网络模型 | 第89-95页 |
| 5.4.1 三层前馈网络的信息描述 | 第89-91页 |
| 5.4.2 基于信息优化的三层前馈式网络学习方法 | 第91-94页 |
| 5.4.3 信息化神经网络在土密实度建模中的应用 | 第94-95页 |
| 5.5 关于神经网络性能的简单讨论 | 第95-96页 |
| 5.6 本章小结 | 第96-97页 |
| 第六章 土密实度的进化神经网络模型研究 | 第97-107页 |
| 6.1 引言 | 第97页 |
| 6.2 遗传算法的基本原理 | 第97-102页 |
| 6.2.1 遗传计算的几个关键步骤 | 第99-100页 |
| 6.2.2 标准遗传算法设计基础(S.L.Hung,1994) | 第100-102页 |
| 6.3 基于遗传算法的土密实度神经网络建模 | 第102-105页 |
| 6.3.1 进化神经网络的建模过程 | 第102页 |
| 6.3.2 遗传操作及参数的确定 | 第102-103页 |
| 6.3.3 基于进化神经网络的土密实度定量分析 | 第103-105页 |
| 6.4 几种土密实度定量分析方法的对比 | 第105-106页 |
| 6.5 本章小结 | 第106-107页 |
| 第七章 结论与展望 | 第107-109页 |
| 7.1 本文的主要结论 | 第107-108页 |
| 7.2 本文的主要创新点 | 第108页 |
| 7.3 进一步研究的方向和建议 | 第108-109页 |
| 参考文献 | 第109-117页 |
| 致谢 | 第117-118页 |
| 附录1 个人简历及发表论文和获奖情况 | 第118-119页 |
| 附录2: 浙江大学岩土工程研究所历届博士学位论文目录 | 第119-123页 |
