| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 引言 | 第12-15页 |
| 1.2 连续刚构桥抗震优化研究的必要性 | 第15页 |
| 1.3 连续刚构桥抗震优化研究现状 | 第15-18页 |
| 1.3.1 连续刚构桥抗震优化研究成果 | 第15-16页 |
| 1.3.2 连续刚构桥抗震优化研究的不足 | 第16-18页 |
| 1.4 结构优化设计概述 | 第18-20页 |
| 1.4.1 结构优化的主要内容 | 第18页 |
| 1.4.2 结构优化的常用算法 | 第18-20页 |
| 1.5 本文主要研究内容及流程图 | 第20-22页 |
| 第二章 桥梁结构地震反应分析方法 | 第22-34页 |
| 2.1 引言 | 第22页 |
| 2.2 静力分析方法 | 第22-29页 |
| 2.2.1 弹性静力法 | 第22页 |
| 2.2.2 非线性静力分析方法 | 第22-29页 |
| 2.2.2.1 能力谱方法 | 第23-25页 |
| 2.2.2.2 位移影响系数法 | 第25-26页 |
| 2.2.2.3 适应谱Pushover方法 | 第26-27页 |
| 2.2.2.4 模态Pushover分析方法 | 第27-28页 |
| 2.2.2.5 基于模态分析的Pushover分析方法 | 第28-29页 |
| 2.3 反应谱法 | 第29-32页 |
| 2.3.1 反应谱理论发展阶段 | 第29-30页 |
| 2.3.2 反应谱的概念及特性 | 第30-32页 |
| 2.3.2.1 反应谱的概念 | 第30-31页 |
| 2.3.2.2 反应谱的特性 | 第31-32页 |
| 2.4 动态时程分析法 | 第32-33页 |
| 2.4.1 动态时程分析法的概念 | 第32-33页 |
| 2.4.2 动态时程分析法的计算理论 | 第33页 |
| 2.5 随机振动方法 | 第33-34页 |
| 第三章 基于ANSYS的连续刚构桥APDL参数化建模 | 第34-42页 |
| 3.1 概述 | 第34-35页 |
| 3.2 有限元模型的概述 | 第35-37页 |
| 3.2.1 模型概述 | 第35-36页 |
| 3.2.2 截面尺寸介绍 | 第36-37页 |
| 3.3 荷载取值及连续刚构桥施工流程 | 第37-38页 |
| 3.3.1 荷载取值 | 第37页 |
| 3.3.2 连续刚构桥的施工流程 | 第37-38页 |
| 3.4 有限元模型的建立 | 第38-42页 |
| 第四章 连续刚构桥基于抗震性能的动力响应优化 | 第42-64页 |
| 4.1 概述 | 第42-43页 |
| 4.1.1 基于强度的抗震设计 | 第42-43页 |
| 4.1.2 基于性能的抗震设计 | 第43页 |
| 4.2 设计参数的选择 | 第43-49页 |
| 4.2.1 设计参数取值范围的确定 | 第44-49页 |
| 4.3 利用正交表进行参数组合 | 第49-52页 |
| 4.3.1 正交试验简介 | 第49-50页 |
| 4.3.2 正交表的选择及水平因素的展列 | 第50-52页 |
| 4.4 目标函数的确定 | 第52-54页 |
| 4.5 基于模态分析的pushover方法进行计算 | 第54-60页 |
| 4.5.1 结构自振特性分析 | 第54-58页 |
| 4.5.2 Pushover分析计算结果 | 第58-60页 |
| 4.6 多目标优化以及使用正交表寻优化 | 第60-63页 |
| 4.6.1 多目标优化 | 第60-61页 |
| 4.6.2 使用正交表寻优 | 第61-63页 |
| 4.7 本章小结 | 第63-64页 |
| 第五章 基于神经网络和遗传算法对主梁参数进一步优化研究 | 第64-82页 |
| 5.1 引言 | 第64页 |
| 5.2 遗传算法概述 | 第64-68页 |
| 5.2.1 遗传算法的起源与发展 | 第64-65页 |
| 5.2.2 遗传算法的优点 | 第65-66页 |
| 5.2.3 遗传算法的工作原理 | 第66页 |
| 5.2.4 遗传算法的实现方式 | 第66-68页 |
| 5.3 MATLAB遗传算法工具箱 | 第68-72页 |
| 5.3.1 遗传算法工具箱介绍 | 第68-69页 |
| 5.3.2 遗传算法工具箱使用方法 | 第69-72页 |
| 5.4 神经网络概述 | 第72-75页 |
| 5.4.1 神经网络简介 | 第72-73页 |
| 5.4.2 神经网络互联模式 | 第73页 |
| 5.4.3 BP神经网络 | 第73-75页 |
| 5.5 MATLAB神经网络工具箱 | 第75-76页 |
| 5.6 神经网络结合遗传算法进行优化 | 第76-77页 |
| 5.7 结合L_(25)(5~6)正交表、神经网络与遗传算法对案例进行优化 | 第77-80页 |
| 5.8 本章小结 | 第80-82页 |
| 第六章 结论与展望 | 第82-84页 |
| 6.1 本文主要工作与结论 | 第82-83页 |
| 6.2 展望 | 第83-84页 |
| 参考文献 | 第84-90页 |
| 致谢 | 第90-92页 |
| 附录A 攻读硕士学位期间发表的论文 | 第92-94页 |
| 附录B 攻读硕士期间参加的科研项目 | 第94页 |
