基于遗传神经网络的高速铁路桥梁变形预测与控制
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-14页 |
| 1.1 引言 | 第8-9页 |
| 1.2 桥梁施工监控方法综述 | 第9-11页 |
| 1.2.1 开环控制法 | 第10页 |
| 1.2.2 闭环控制法 | 第10页 |
| 1.2.3 自适应控制法 | 第10-11页 |
| 1.3 人工神经网络在桥梁变形控制中的应用 | 第11-12页 |
| 1.4 主要研究内容与工作 | 第12-14页 |
| 2 神经网络及遗传算法理论 | 第14-22页 |
| 2.1 BP神经网络及其模型 | 第14-17页 |
| 2.1.1 BP神经网络原理 | 第14-15页 |
| 2.1.2 BP神经网络操作过程 | 第15-17页 |
| 2.2 遗传算法与模型 | 第17-20页 |
| 2.2.1 遗传算法原理 | 第17-18页 |
| 2.2.2 遗传算法操作过程 | 第18-20页 |
| 2.3 遗传算法与BP神经网络的融合 | 第20-22页 |
| 3 高铁连续梁控制理论及参数分析 | 第22-34页 |
| 3.1 高铁连续梁控制目的 | 第22-23页 |
| 3.2 结构施工过程有限元模拟 | 第23-24页 |
| 3.2.1 工程概况 | 第23页 |
| 3.2.2 施工控制计算分析 | 第23-24页 |
| 3.3 结构参数误差分析 | 第24-33页 |
| 3.3.1 误差来源分类 | 第25-27页 |
| 3.3.2 误差效应分析 | 第27-32页 |
| 3.3.3 误差效应分析小结 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 变形预测系统的开发 | 第34-43页 |
| 4.1 开发软件介绍 | 第34-35页 |
| 4.2 遗传算法设计 | 第35-37页 |
| 4.2.1 遗传编码方式 | 第35-36页 |
| 4.2.2 适应度函数的选择 | 第36页 |
| 4.2.3 初始群体的生成 | 第36页 |
| 4.2.4 遗传算子 | 第36-37页 |
| 4.3 BP神经网络构造 | 第37-40页 |
| 4.3.1 网络参数选取 | 第37-40页 |
| 4.3.2 数据归一化 | 第40页 |
| 4.3.3 学习算法 | 第40页 |
| 4.4 遗传算法与神经网络融合 | 第40-42页 |
| 4.5 本章小结 | 第42-43页 |
| 5 工程应用 | 第43-58页 |
| 5.1 网络样本数据生成 | 第43-50页 |
| 5.1.1 悬臂施工阶段数据生成 | 第44-46页 |
| 5.1.2 体系转换阶段数据生成 | 第46-47页 |
| 5.1.3 合龙后阶段数据生成 | 第47-48页 |
| 5.1.4 网络训练样本数据生成 | 第48-50页 |
| 5.2 遗传神经网络模型预测 | 第50-56页 |
| 5.2.1 悬臂施工线形变化预测 | 第50-53页 |
| 5.2.2 桥梁施工整体结果 | 第53-56页 |
| 5.3 本章小结 | 第56-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间参与完成的主要科研成果 | 第64-65页 |
| 致谢 | 第65页 |
