公路隧道前馈式通风控制系统研究
第1章 绪论 | 第1-15页 |
1.1 问题的提出及选题意义 | 第8页 |
1.2 公路隧道通风控制系统的现状 | 第8-9页 |
1.3 公路隧道智能控制的需求 | 第9-11页 |
1.4 公路隧道智能控制的关键技术 | 第11-12页 |
1.5 前馈式智能模糊控制系统的提出 | 第12-14页 |
1.6 本文所研究的内容 | 第14-15页 |
第2章 交通流预测 | 第15-40页 |
2.1 基于交通流特征的预测模型 | 第15-17页 |
2.1.1 基本假定 | 第15-16页 |
2.1.2 插值法预测 | 第16页 |
2.1.3 基于数据相关性的预测 | 第16-17页 |
2.2 自适应权重预测模型 | 第17-20页 |
2.2.1 基本假定 | 第17页 |
2.2.2 权重模型基本形式 | 第17-19页 |
2.2.3 自适应权重模型 | 第19-20页 |
2.3 基于BP算法的神经网络预测模型 | 第20-29页 |
2.3.1 误差反传(BP)算法简介 | 第20-22页 |
2.3.2 基于BP算法的交通流预测模型 | 第22-24页 |
2.3.3 预测模型的仿真测试 | 第24-29页 |
2.3.3.1 单隐层且不同时段采用不同权系数 | 第24-26页 |
2.3.3.2 单隐层且所有时段均采用相同权系数 | 第26-27页 |
2.3.3.3 双隐层且所有时段均采用相同权系数 | 第27-29页 |
2.4 基于模糊逻辑的预测模型 | 第29-35页 |
2.4.1 预测方法 | 第29-30页 |
2.4.2 模糊推理 | 第30-33页 |
2.4.3 模糊逻辑预测的仿真测试 | 第33-35页 |
2.5 车型组成的相图法预测模型 | 第35-36页 |
2.6 仿真预测模型 | 第36-40页 |
2.6.1 仿真模型的建立 | 第36-38页 |
2.6.2 隧道交通流仿真的实现 | 第38-40页 |
第3章 纵向式通风的数学模型 | 第40-48页 |
3.1 空气动力学模型 | 第40-46页 |
3.1.1 基本假定 | 第40页 |
3.1.2 需风量的计算 | 第40-42页 |
3.1.3 作用在隧道内空气上的力 | 第42-45页 |
3.1.4 空气动力学模型 | 第45-46页 |
3.2 污染物扩散模型 | 第46-48页 |
3.2.1 稳态扩散模型 | 第46-47页 |
3.2.2 动态扩散模型 | 第47-48页 |
第4章 污染物浓度分布的数值计算 | 第48-57页 |
4.1 污染物扩散方程及边界条件 | 第48-49页 |
4.2 扩散方程的差分格式 | 第49-50页 |
4.3 污染物源项的计算 | 第50-52页 |
4.4 污染物浓度分布的仿真计算 | 第52-54页 |
4.4.1 仿真的实现 | 第52页 |
4.4.2 仿真结果分析 | 第52-54页 |
4.5 污染物浓度分布的仿真预测 | 第54-57页 |
第5章 纵向通风系统的前馈式智能模糊控制 | 第57-79页 |
5.1 模糊控制 | 第57-62页 |
5.1.1 常用的通风控制方法 | 第57-58页 |
5.1.2 模糊控制的基本思想 | 第58-59页 |
5.1.3 前馈通风系统引入模糊控制的必要性 | 第59页 |
5.1.4 模糊控制系统的组成 | 第59-60页 |
5.1.5 模糊控制器的结构 | 第60-62页 |
5.2 前馈式智能模糊控制的系统构成 | 第62-64页 |
5.2.1 工程概况 | 第62页 |
5.2.2 控制周期 | 第62页 |
5.2.3 设备配置 | 第62页 |
5.2.4 前馈式智能模糊控制系统图 | 第62-64页 |
5.3 模糊控制器(FLC) | 第64-71页 |
5.3.1 FLC输入量的确定 | 第64-65页 |
5.3.2 隶属函数的设定 | 第65-68页 |
5.3.3 FLC模糊推理 | 第68-71页 |
5.4 FLC控制效果 | 第71-73页 |
5.5 前馈式智能模糊控制系统的仿真测试 | 第73-79页 |
5.5.1 仿真测试的基本流程 | 第73-74页 |
5.5.2 前馈式智能模糊控制系统的性能评价 | 第74页 |
5.5.3 仿真结果 | 第74-76页 |
5.5.4 优化后的前馈式智能模糊控制 | 第76-79页 |
结论 | 第79-81页 |
致谢 | 第81-82页 |
参考文献 | 第82-85页 |
攻读硕士学位期间发表的论文及科研成果 | 第85页 |