| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第14-20页 |
| 1.1 工程爆破概述 | 第14-16页 |
| 1.2 炸药与岩石匹配研究现状、必要性和可行性 | 第16-17页 |
| 1.3 炸药与岩石性质匹配系统的研究目的和意义 | 第17-18页 |
| 1.4 炸药与岩石性质匹配系统的构成及设计思想 | 第18页 |
| 1.5 本文研究内容 | 第18-19页 |
| 1.6 本章小结 | 第19-20页 |
| 2 工业炸药技术与岩石基本性能 | 第20-42页 |
| 2.1 工业炸药技术 | 第20-25页 |
| 2.1.1 常用的工业炸药性能 | 第20-21页 |
| 2.1.2 炸药现场混装车技术 | 第21-25页 |
| 2.1.2.1 粒状铵油炸药混装车 | 第21-22页 |
| 2.1.2.2 乳化炸药现场混装车 | 第22-24页 |
| 2.1.2.3 多功能炸药混装车 | 第24-25页 |
| 2.2 岩石性能 | 第25-41页 |
| 2.2.1 岩石的物理性质 | 第25-29页 |
| 2.2.2 岩石的力学性质 | 第29-35页 |
| 2.2.3 岩石性质获取方法 | 第35-37页 |
| 2.2.4 爆破工程中实时获取岩石性质模型 | 第37-41页 |
| 2.2.4.1 钻孔设备 | 第37-39页 |
| 2.2.4.2 岩石性质获取模型 | 第39-41页 |
| 2.3 本章小结 | 第41-42页 |
| 3 炸药与岩石匹配理论研究 | 第42-46页 |
| 3.1 阻抗匹配 | 第42-43页 |
| 3.2 全过程匹配 | 第43-44页 |
| 3.3 能量匹配 | 第44-45页 |
| 3.3.1 能量守恒 | 第44页 |
| 3.3.2 炸药的能量利用率 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4 基于模糊神经网络的炸药与岩石匹配系统 | 第46-75页 |
| 4.1 神经网络模型 | 第46页 |
| 4.1.1 人工神经元模型 | 第46页 |
| 4.1.2 人工神经网路模型 | 第46页 |
| 4.2 前向神经网络 | 第46-49页 |
| 4.2.1 感知器 | 第47-48页 |
| 4.2.2 BP网络 | 第48-49页 |
| 4.3 反馈网络 | 第49-60页 |
| 4.3.1 CG网络模型 | 第49-50页 |
| 4.3.2 盒中脑（BSB）模型 | 第50-52页 |
| 4.3.3 HOPFIELD网络模型 | 第52-55页 |
| 4.3.4 双向联想记忆（BAM） | 第55-56页 |
| 4.3.5 回归BP网络 | 第56-58页 |
| 4.3.6 BOLTZMANN机网络 | 第58-60页 |
| 4.4 神经网络的学习 | 第60-65页 |
| 4.4.1 HEBB学习规则 | 第60页 |
| 4.4.2 梯度下降法 | 第60-65页 |
| 4.4.2.1 δ规则 | 第61-62页 |
| 4.4.2.2 BP算法 | 第62-63页 |
| 4.4.2.3 回归BP算法 | 第63-65页 |
| 4.5 模糊神经网络 | 第65-68页 |
| 4.5.1 模糊系统的TAKAGI-SUGEON 模型 | 第65-66页 |
| 4.5.2 模糊神经网络结构 | 第66-68页 |
| 4.6 基于模糊神经网络的炸药与岩石优化匹配 | 第68-74页 |
| 4.6.1 基于BP网络和模糊综合评判的炸药与岩石优化匹配 | 第68-70页 |
| 4.6.2 基于T-S模糊神经网络的炸药与岩石优化匹配 | 第70-72页 |
| 4.6.3 应用实例 | 第72-74页 |
| 4.7 本章小结 | 第74-75页 |
| 5 基于神经网络的台阶爆破参数优化设计 | 第75-96页 |
| 5.1 径向基（RBF）神经网络 | 第75-76页 |
| 5.1.1 径向基函数网络模型 | 第75-76页 |
| 5.1.2 径向基神经网络训练步骤 | 第76页 |
| 5.2 MATLAB神经网络工具箱 | 第76-78页 |
| 5.3 基于神经网络的台阶爆破设计模型 | 第78-84页 |
| 5.3.1 问题的提出及解决问题的方法 | 第78-79页 |
| 5.3.2 模型的设计 | 第79-82页 |
| 5.3.2.1 输入输出神经元的选择 | 第79-82页 |
| 5.3.2.2 模型的构建 | 第82页 |
| 5.3.3 模型的训练及仿真 | 第82-84页 |
| 5.3.3.1 学习样本的预处理 | 第82页 |
| 5.3.3.2 模型的训练 | 第82-83页 |
| 5.3.3.3 模型的仿真 | 第83-84页 |
| 5.4 台阶爆破设计模型的优化及应用 | 第84-95页 |
| 5.4.1 台阶爆破设计模型的优化 | 第84-89页 |
| 5.4.1.1 基于BP 网络模型的优化 | 第84-88页 |
| 5.4.1.2 基于RBF 网络模型的优化 | 第88-89页 |
| 5.4.2 台阶爆破优化设计模型的应用 | 第89-94页 |
| 5.4.2.1 数据样本的预处理 | 第89页 |
| 5.4.2.2 台阶爆破优化设计模型的训练和仿真 | 第89-93页 |
| 5.4.2.3 台阶爆破优化设计模型的应用 | 第93-94页 |
| 5.4.3 基于神经网络台阶爆破设计系统 | 第94-95页 |
| 5.5 本章小结 | 第95-96页 |
| 6 炸药与岩石匹配数值模拟 | 第96-102页 |
| 6.1 概述 | 第96-97页 |
| 6.2 基于LS-DYNA 的炸药与岩石匹配数值模拟 | 第97-101页 |
| 6.3 本章小结 | 第101-102页 |
| 7 炸药爆破与静态破碎剂联合切割成缝机理的研究 | 第102-109页 |
| 7.1 炸药爆破与静态破碎剂联合作用原理 | 第102-103页 |
| 7.2 应力波与静爆孔作用的简化计算 | 第103-107页 |
| 7.3 静爆孔在爆破孔上产生的集中应力边界元计算 | 第107-108页 |
| 7.4 本章小结 | 第108-109页 |
| 8 实验与分析 | 第109-115页 |
| 8.1 实验室试验 | 第109-112页 |
| 8.1.1 实验方法 | 第109页 |
| 8.1.2 试验结果及分析 | 第109-112页 |
| 8.2 工程现场试验 | 第112-114页 |
| 8.2.1 钻孔直径76 ㎜预裂爆破试验 | 第112-113页 |
| 8.2.2 钻孔直径115 ㎜预裂爆破试验 | 第113-114页 |
| 8.3 本章小结 | 第114-115页 |
| 9 总结与展望 | 第115-118页 |
| 9.1 总结 | 第115-116页 |
| 9.2 展望 | 第116-118页 |
| 参考文献 | 第118-126页 |
| 致谢 | 第126-127页 |
| 附：读博士期间发表的学术论文 | 第127页 |
