声明
第1章 绪论
1.1 研究背景及选题意义
1.1.1 研究背景
1.1.2 选题意义
1.1.3 依托工程
1.2 国内外研究现状
1.2.1 基于钻进参数的地质条件判定研究现状
1.2.2 围岩智能分级方法研究现状
1.3 研究内容及技术路线
1.3.1 研究内容
1.3.2 研究方法
1.3.3 技术路线
第2章 凿岩台车钻进参数与地质条件的相关关系分析
2.1 基于钻进原理的钻进参数与地质条件相关关系分析
2.1.1 钻进的破岩原理
2.1.2 钻进的机械原理
2.1.3 基于钻进原理的钻进参数与地质条件的相关关系分析
2.2 基于钻进工艺的钻进参数与地质条件相关关系分析
2.2.1 全电脑多臂凿岩台车介绍
2.2.2 全电脑多臂凿岩台车钻孔工艺流程
2.2.3 基于钻进工艺的钻进参数与地质条件的相关关系分析
2.3 基于钻进参数获取过程的钻进参数与地质条件相关关系分析
2.3.1 钻进参数的获取
2.3.2 基于钻进参数获取过程的钻进参数与地质条件的相关关系分析
2.4 钻进指标及对应地质指标选取
2.5 本章小结
第3章 凿岩台车钻进参数与围岩分级指标和级别的相关性研究
3.1 建立基于钻进参数的围岩分级样本库
3.1.1 钻进数据的平均化处理
3.1.2 基于钻进参数的围岩分级样本库
3.2 钻进参数与围岩坚硬程度相关性研究
3.3 钻进参数与围岩完整程度相关性研究
3.4 钻进参数与围岩级别相关性研究
3.5 本章小结
第4章 基于钻进参数的围岩智能分级方法研究
4.1 围岩智能分级模型训练集和预测集划分
4.1.1 样本筛选
4.1.2 训练集和预测集划分
4.2 基于SVM的围岩智能分级模型
4.2.1 SVM 简介
4.2.2 基于SVM 的围岩智能分级模型训练流程
4.2.3 基于SVM 的围岩智能分级结果
4.3 基于PSO-SVM的围岩智能分级模型
4.3.1 PSO-SVM 简介
4.3.2 基于PSO-SVM 的围岩智能分级模型训练流程
4.3.3 基于PSO-SVM 的围岩智能分级结果
4.4 基于BP神经网络的围岩智能分级模型
4.4.1 BP 简介
4.4.2 基于BP 神经网络的围岩智能分级模型训练流程
4.4.3 基于BP 神经网络的围岩智能分级结果
4.5 基于GA-BP的围岩智能分级模型
4.5.1 GA-BP 简介
4.5.2 基于GA-BP 的围岩智能分级模型训练流程
4.5.3 基于GA-BP 的围岩智能分级结果
4.6 基于RBF的围岩智能分级模型
4.6.1 RBF简介
4.6.2 基于RBF的围岩智能分级模型训练流程
4.6.3 基于RBF的围岩智能分级结果
4.7 围岩智能分级方法对比分析
4.8 本章小结
第5章 围岩智能分级程序研发及现场应用
5.1 围岩智能分级方法应用思路
5.1.1 围岩智能分级应用模式
5.1.2 山岭隧道围岩智能分级体系
5.2 围岩智能分级程序研发
5.3 围岩智能分级方法的现场验证及效果
5.3.1 围岩智能分级方法的现场验证方法
5.3.2 围岩智能分级方法的现场验证效果
5.4 本章小结
结论与展望
结论
展望
致谢
参考文献
攻读硕士学位期间发表的论文及参加的科研项目
西南交通大学;