一、Fuzzy Decision of Ground Improvement Method（论文文献综述）
张天宇[1]（2015）在《地铁盾构施工引起地表沉降与安全控制分析》文中进行了进一步梳理随着城市建设向地下空间发展,地铁隧道数量越来越多。由于地下施工的难度较大,影响因素较多,因此盾构法显示了其优越性。它是目前最常见和比较先进的施工方法。本文通过分析总结大量文献,以风险评估理论为基础,采用层次分析和模糊理论相结合的方法,通过专家打分,对盾构施工引起地表沉降的一级指标和二级指标进行了风险分析。某工程实例的分析表明,其整体风险为三级,并得到了每一个二级评判对象的风险级别。基于基本假设进行了弹塑性分析。结合FLAC3D软件对相应的问题进行了仿真分析。分析了岩土力学参数、支护材料和支护施工、盾构埋深等因素对地表沉降产生的影响,并探讨了影响规律。结果表明,土的变形模量对地表沉降影响较大;支护不及时或支护材料力学性能不好都会造成很大的地表沉降风险;埋深浅比埋深大的地表沉降风险大。根据风险评估结果,提出了相应的安全控制措施。
孙东坡[2]（2009）在《旋挖钻机动力头系统的功率匹配研究》文中研究说明旋挖钻机是一种大功率设备,其节能性的好坏直接影响了设备使用的经济性和可靠性。本文以SWDM-20旋挖钻机为研究对象,针对发动机、变量泵和负载的协调匹配进行理论与试验研究。主要完成的工作如下:1、论述了国内外旋挖钻机系统匹配与控制的研究现状,分析了旋挖钻机钻孔作业工艺、工况特点,并通过分析驱动钻杆动作的动力头系统的主要能量损失,把减少动力匹配不合理所造成的损失作为工作的重点。2、分析了发动机油耗和转速波动频率、幅值之间的关系。针对负载变化对发动机性能的影响,采用发动机转速感应控制和调速器控制相协调的方式,实现了发动机的变功率调节,使发动机输出功率与负载达到协调匹配。对发动机的转速感应控制采用带死区的PID控制算法,既减少了对发动机油门的频繁调节又避免了发动机转速的剧烈波动,建立了发动机和油门执行器的数学模型。3、应用转速感应控制和变量泵极限负荷控制相协调的方法,消除了发动机的功率储备,有效利用了发动机功率,实现了发动机与变量泵动力传递时的功率匹配。基于A8V0变量泵的系统调节机理分析,实现了发动机-变量泵的转速感应极限负荷控制。4、针对转速感应极限负荷控制性能的提高,采用了模糊自整定PID控制算法。建立系统的AMESim实体模型,并应用MATLAB-Fuzzy工具箱设计了模糊PID控制器。对模糊PID控制系统进行AMESim和MATLAB仿真研究,证明了模糊PID控制的优越性,给出了模糊控制参数KP、KI、KD的基准值,结合量化因子对动态性能的影响分析,优化了输入量E、EC的量化因子。5、以SWDM-20型旋挖钻机为试验平台,对节能控制系统进行试验分析,验证了发动机-变量泵-负载功率协调匹配方法的有效性。
吴珺[3]（2009）在《基于粒计算的数据挖掘研究及应用》文中研究说明数据挖掘技术具有较高的有效性和良好的可操作性,被广泛应用于各个领域。近年来,基于数据挖掘技术的研究方法不断涌现:如基于决策树分类、统计分类、贝叶斯分类、神经网络等方法均能有效解决小规模数据库的数据挖掘问题。面对海量数据处理,人们提出了用不同粒度或不同概念层观测问题,从不同的粒度中得到不同层次的信息和知识,满足人们对不同层次知识的要求。粒计算是人工智能领域中的一种新理念和新方法。粒计算方法凭借自身的特质在数据挖掘中显示出较大的优势。它主要用于解决海量数据的挖掘和复杂问题的求解,通过系统访问粒结构来解决问题。本文在对数据挖掘和粒计算相关技术进行深入研究的基础上,将粒计算与数据挖掘方法相结合,建立了基于粒计算的数据挖掘模型,给出基于粒计算的数据挖掘模型的关联规则算法。应用此方法对阅马场城市隧道监控交通数据信息数据挖掘方法进行改进,构建了基于粒计算的商空间挖掘模型,结合时间粒度概念进行了相关划分。研究工作表明,运用此方法对数据仓库在不同层次的粒度问题进行处理,在保证数据挖掘的精度的前提下可以提高系统的效率。论文还将粒计算与遗传算法相结合,用于地基改良工程中单桩极限承载力预测问题的研究,通过大型桥梁的相关系数、桩参数和桩所在环境的土质参数等已知条件,对桩承载力进行有效的预测,研究结果表明粒计算在解决复杂问题方面有一定的优势,粒计算与遗传算法相结合的方法有较高的预测精度。
李连祥[4]（2007）在《冲积地层的开挖与支护设计及工程决策研究》文中提出开挖和支护是矿业工程的基本施工工艺。众多矿业工程均建设于冲击地层的地质环境之中。因此开展冲积地层的开挖与支护设计及工程决策研究，对于推进该领域的理论和技术，探索一般工程决策的普遍规律和研究方法，掌握工程决策的内容、步骤和行为，指导矿业工程学科领域内的工程建设，具有较高的工程价值和应用前景。论文以济南市深基坑工程为背景，立足济南市冲积地层的工程地质和水文地质条件，围绕深基坑开挖与支护设计及工程决策主题进行了较深入研究，基本建立了适合济南市冲积地层地质条件的深基坑工程设计体系和决策机制，对于提高济南市深基坑工程技术和管理水平，避免安全事故具有十分重要的意义，同时论文研究的内容和方法对于相似矿业工程的开挖和支护设计及工程决策具有一定的指导和参考价值。论文获得如下初步成果：（1）完善了适合济南地质条件的深基坑工程设计理念总结了济南市深基坑工程建设发展规律，明确了基坑结构稳定分析的破坏模式及其计算方法；归纳了济南市深基坑工程降水的四类模型；修正了深基坑工程降水设计方法；阐明济南市深基坑工程降水与泉水基本没有联系；阐述了济南市深基坑工程主要变形机理和计算方法。（2）提出了复合式土钉墙基坑结构的计算模式和方法推导了微型钢管桩的设计计算公式，全面考虑组成复合土钉墙的各个基本结构对整体稳定的影响，提出了复合土钉墙基坑结构新的设计计算方法。（3）构建了济南市深基坑工程设计方案的最优决策方法归纳出深基坑工程设计方案的评价准则，提炼出适合于济南市基坑设计方案的多属性指标，建立了评价方案的层次结构模型，构建了济南市深基坑工程设计方案最优决策方法，并开发出济南市深基坑工程决策系统的软件。（4）对济南市深基坑工程决策提出了合理化的建议和实施管理办法。
二、Fuzzy Decision of Ground Improvement Method（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Fuzzy Decision of Ground Improvement Method（论文提纲范文）
（1）地铁盾构施工引起地表沉降与安全控制分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 盾构施工风险评价研究情况 |
| 1.2.2 研究现状评价 |
| 1.3 本文的研究内容及路线 |
| 1.3.1 本文的研究内容 |
| 1.3.2 本文的研究路线 |
| 第二章 地铁盾构施工引起地表沉降的机理分析 |
| 2.1 地铁盾构施工过程分析 |
| 2.1.1 盾构法简介 |
| 2.1.2 盾构法施工工艺 |
| 2.2 影响地表沉降的因素分析 |
| 2.2.1 盾构过程中对土体的力学作用分析 |
| 2.2.2 盾构过程中对土体的应变作用分析 |
| 2.2.3 盾构作用过程中引起土体沉降的分析 |
| 第三章. 地铁盾构施工引起地表沉降的风险评估 |
| 3.1 风险评估模型简介 |
| 3.2 某工程实例简介 |
| 3.2.1 工程地质条件 |
| 3.2.2 盾构设计简介 |
| 3.2.3 盾构推进方案 |
| 3.2.4 盾构同步注浆 |
| 3.2.5 地层隆陷控制 |
| 3.2.6 沉降监测设计 |
| 3.2.7 控制变形的措施 |
| 3.3 盾构施工综合模型分析 |
| 3.3.1 确定评价体系 |
| 3.3.2 建立因素集和评判集 |
| 3.3.3 对单因素进行分析 |
| 3.3.4 建立模糊评估矩阵 |
| 3.3.5 参评因素权重确定 |
| 第四章 地表沉降仿真分析及安全控制方法 |
| 4.1 FLAC3D简介 |
| 4.2 模型研究 |
| 4.2.1 地质因素模型弹塑性分析 |
| 4.2.2 岩土参数因素仿真模型研究 |
| 4.2.3 隧道埋深对地表沉降最大值与拱顶位移值比的影响分析 |
| 4.2.4 支护条件及支护材料对地表沉降影响的数值模拟分析 |
| 4.3 安全控制分析及信息化施工的必要性 |
| 第五章 结论 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（2）旋挖钻机动力头系统的功率匹配研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的背景及研究意义 |
| 1.1.1 课题的背景 |
| 1.1.2 课题的研究意义 |
| 1.2 节能控制技术概述 |
| 1.2.1 各部件控制 |
| 1.2.2 整机协调控制 |
| 1.3 国内外旋挖钻机节能控制技术研究现状 |
| 1.3.1 国外旋挖钻机节能控制技术的研究与应用现状 |
| 1.3.2 国内旋挖钻机节能控制技术的研究与应用现状 |
| 1.4 本课题的主要研究内容 |
| 第二章 动力头系统能量损失分析 |
| 2.1 动力头系统的工作特点分析 |
| 2.2 动力头系统能量损失分析 |
| 2.2.1 发动机能量损失的分析 |
| 2.2.2 液压系统的能量损失分析 |
| 2.2.3 动力系统匹配能量损失分析 |
| 2.3 本章小结 |
| 第三章 动力头系统节能控制功率匹配研究 |
| 3.1 动力头系统全局功率匹配策略 |
| 3.2 柴油发动机工作特性分析 |
| 3.2.1 柴油发动机的速度特性分析 |
| 3.2.2 柴油发动机的调速特性分析 |
| 3.2.3 负载波动下柴油机特性分析 |
| 3.3 连续工况下发动机转速控制研究 |
| 3.3.1 发动机的转速感应控制及算法 |
| 3.3.2 柴油机转速控制模型 |
| 3.3.3 油门执行器的模型 |
| 3.3.4 发动机转速感应控制与调速器控制的协调 |
| 3.4 发动机一变量泵极限负荷控制研究 |
| 3.4.1 极限负荷控制理论基础 |
| 3.4.2 恒功率变量泵的排量控制研究 |
| 3.4.3 发动机-变量泵的转速感应控制 |
| 3.4.4 A8VO变量泵极限负荷控制的实现 |
| 3.5 本章小结 |
| 第四章 转速感应控制系统的模糊PID控制算法 |
| 4.1 系统PID控制算法 |
| 4.2 模糊PID控制算法的研究 |
| 4.2.1 模糊控制理论 |
| 4.2.2 发动机-变量泵转速感应模糊控制系统 |
| 4.2.3 模糊控制器的结构 |
| 4.2.4 语言变量、语言值及隶属函数的确定 |
| 4.2.5 输入精确量的模糊化 |
| 4.2.6 模糊控制推理规则的确定 |
| 4.2.7 输出模糊控制量的精确化 |
| 4.3 本章小结 |
| 第五章 动力头节能控制系统的建模与仿真 |
| 5.1 仿真工具软件及联合仿真 |
| 5.1.1 AMESim软件介绍 |
| 5.1.2 模糊控制的MATLAB实现 |
| 5.1.3 联合仿真原理与设置 |
| 5.2 仿真模型的建立 |
| 5.2.1 AMESim环境下的转速感应极限负荷控制系统建模 |
| 5.2.2 AMESim模型中各部件的研究 |
| 5.2.3 Matlab/Simulink中的模糊控制器框图 |
| 5.3 转速感应极限负荷控制系统的仿真分析 |
| 5.3.1 PID控制的参数整定 |
| 5.3.2 模糊PID控制的仿真 |
| 5.4 本章小结 |
| 第六章 动力头节能控制系统的试验与分析 |
| 6.1 试验目的与内容 |
| 6.2 试验设备 |
| 6.2.1 试验平台概述 |
| 6.2.2 试验检测设备 |
| 6.3 试验步骤 |
| 6.3.1 试验系统构建 |
| 6.3.2 试验设备连接安装 |
| 6.3.3 发动机工作转速与油门位置关系的标定 |
| 6.4 试验结果与分析 |
| 6.5 本章小结 |
| 第七章 全文总结 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要研究成果 |
（3）基于粒计算的数据挖掘研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 本文研究背景 |
| 1.2 国内外研究现状 |
| 1.3 论文的结构安排 |
| 第2章 数据挖掘技术概述 |
| 2.1 数据挖掘的定义 |
| 2.2 数据仓库技术 |
| 2.3 数据挖掘的任务 |
| 2.4 数据挖掘的过程 |
| 2.5 数据挖掘采用的技术及分析方法 |
| 2.5.1 神经网络方法 |
| 2.5.2 决策树方法 |
| 2.5.3 遗传算法 |
| 2.5.4 模糊集方法 |
| 2.5.5 可视化技术 |
| 2.5.6 支持向量机 |
| 2.6 本章小结 |
| 第3章 粒计算理论 |
| 3.1 粒计算的基本概念 |
| 3.2 粒计算理论的基本问题及内容 |
| 3.2.1 粒化 |
| 3.2.2 粒的计算 |
| 3.3 粒计算理论的主要模型 |
| 3.3.1 基于模糊信息粒化理论模型 |
| 3.3.2 基于粗糙集理论的粒计算模型 |
| 3.3.3 商空间理论的粒计算模型 |
| 3.3.4 相容粒度空间模型 |
| 3.4 粒计算理论的应用 |
| 3.4.1 图形图像处理 |
| 3.4.2 海量数据挖掘 |
| 3.4.3 模式识别与智能控制 |
| 3.4.4 复杂问题求解 |
| 3.5 本章小结 |
| 第4章 基于粒计算的数据挖掘模型 |
| 4.1 建模理论 |
| 4.2 功能设计 |
| 4.3 粒计算的数据挖掘模型 |
| 4.3.1 数据预处理模块 |
| 4.3.2 约简模块 |
| 4.3.3 基于规则挖掘模块 |
| 4.3.4 决策应用模块 |
| 4.4 基于粒计算的数据挖掘算法 |
| 4.4.1 基于粒计算的关联挖掘算法基本定义 |
| 4.4.2 基于粒计算的关联挖掘的算法思想 |
| 4.5 本章小结 |
| 第5章 基于粒计算的数据挖掘模型的应用 |
| 5.1 商空间粒计算理论方法 |
| 5.1.1 商空间理论基础 |
| 5.1.2 粒度理论 |
| 5.1.3 拓扑空间 |
| 5.1.4 拓扑结构的合成 |
| 5.2 基于粒计算的商空间模型在交通信息仓库中应用 |
| 5.2.1 交通信息数据处理系统模型 |
| 5.2.2 交通信息仓库的数据立方体 |
| 5.2.3 基于粒计算的商空间理论模型中的时间粒度 |
| 5.2.4 不同层的粒度挖掘 |
| 5.2.5 相同层的粒度挖掘 |
| 5.3 基于粒计算的桩承载性能智能预测中的应用 |
| 5.3.1 大型桥梁打入桩承载性能的预测 |
| 5.3.2 桩承载力模型相关粒度 |
| 5.3.3 粒度桩承载力预测模型 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 附录:攻读硕士学位期间发表的论文 |
（4）冲积地层的开挖与支护设计及工程决策研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 问题的提出 |
| 1.2 文献综述及国内外研究现状 |
| 1.3 济南市深基坑工程决策系统的技术基础需要进一步研究的问题 |
| 1.4 本文的研究内容和研究方法 |
| 1.5 本章小结 |
| 2 济南市深基坑工程的地质环境条件 |
| 2.1 自然地理 |
| 2.2 工程建设层的地质环境条件 |
| 2.3 济南市深基坑工程的地质环境条件 |
| 2.4 本章小结 |
| 3 济南市深基坑工程结构的理论基础 |
| 3.1 济南市深基坑工程结构及其受力分析 |
| 3.2 济南市深基坑工程结构稳定分析理论 |
| 3.3 济南市深基坑工程地下水控制理论 |
| 3.4 济南市深基坑工程变形机理及分析方法 |
| 3.5 济南市深基坑工程监测内容及方法 |
| 3.6 本章小结 |
| 4 济南市深基坑工程结构设计方法研究 |
| 4.1 济南市深基坑工程基本结构设计方法 |
| 4.2 济南市深基坑工程复合结构设计方法 |
| 4.3 济南市深基坑工程降水设计方法 |
| 4.4 济南市深基坑工程设计系统软件研制 |
| 4.5 本章小结 |
| 5 济南市深基坑工程设计方案最优决策方法研究 |
| 5.1 深基坑工程系统 |
| 5.2 济南市深基坑工程设计方案最优决策方法及其层次结构模型 |
| 5.3 济南市深基坑工程设计方案最优决策方法的程序实现 |
| 5.4 本章小结 |
| 6 济南市深基坑工程决策系统技术基础的应用 |
| 6.1 深基坑工程案例 |
| 6.2 济南市深基坑工程结构设计理论的应用 |
| 6.3 济南市深基坑工程设计方案最优决策方法的应用 |
| 6.4 本章小结 |
| 7 主要研究成果与结论 |
| 附录 |
| 附录1 济南市深基坑工程支护技术管理规定(建议) |
| 附录2 济南市深基坑工程招(投)标实施办法(建议) |
| 附录3 济南市深基坑工程设计制图标准(示例) |
| 致谢 |
| 攻读博士期间发表论文和参加的科研项目 |
| 参考文献 |
| 详细摘要 |
四、Fuzzy Decision of Ground Improvement Method（论文参考文献）
- [1]地铁盾构施工引起地表沉降与安全控制分析[D]. 张天宇. 石家庄铁道大学, 2015(04)
- [2]旋挖钻机动力头系统的功率匹配研究[D]. 孙东坡. 中南大学, 2009(04)
- [3]基于粒计算的数据挖掘研究及应用[D]. 吴珺. 武汉理工大学, 2009(09)
- [4]冲积地层的开挖与支护设计及工程决策研究[D]. 李连祥. 山东科技大学, 2007(05)