基于信息熵的动力模型缩聚中主自由度优化选择研究
摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
1 绪论 | 第8-15页 |
1.1 课题的研究目的和意义 | 第8-9页 |
1.2 国内外研究进展 | 第9-14页 |
1.3 论文主要研究内容 | 第14-15页 |
2 模型缩聚 | 第15-21页 |
2.1 动力模型缩聚 | 第15-17页 |
2.2 其他模型缩聚方法 | 第17-21页 |
3 主自由度优化选取理论 | 第21-29页 |
3.1 贝叶斯统计系统识别法 | 第21-25页 |
3.2 信息熵理论 | 第25-29页 |
4 遗传算法 | 第29-40页 |
4.1 遗传算法简介 | 第29-37页 |
4.1.1 个体编码设计 | 第30-32页 |
4.1.2 适应度函数设计 | 第32-33页 |
4.1.3 遗传算子 | 第33-36页 |
4.1.4 运行参数设计 | 第36-37页 |
4.2 遗传算法的适应度函数 | 第37-40页 |
5 主自由度优化选取数值仿真研究与实验验证 | 第40-73页 |
5.1 简支梁桥的数值仿真 | 第40-46页 |
5.1.1 MATLAB建模及验证 | 第40-41页 |
5.1.2 主自由度优化选取仿真研究 | 第41-46页 |
5.2 空间桁架桥的数值仿真 | 第46-57页 |
5.2.1 MATLAB建模及验证 | 第46-52页 |
5.2.2 主自由度优化选取仿真研究 | 第52-57页 |
5.3 复杂空间钢管混凝土拱桥的数值仿真 | 第57-68页 |
5.3.1 MATLAB建模及验证 | 第57-58页 |
5.3.2 MATLAB建模及验证 | 第58-64页 |
5.3.3 MATLAB建模及验证 | 第64-68页 |
5.4 实验验证 | 第68-73页 |
5.4.1 实验目的 | 第68-69页 |
5.4.2 实验模型及器材 | 第69-70页 |
5.4.3 实验方法 | 第70页 |
5.4.4 实验结果 | 第70-73页 |
6 结论与展望 | 第73-74页 |
6.1 结论 | 第73页 |
6.2 展望 | 第73-74页 |
参考文献 | 第74-77页 |
致谢 | 第77-78页 |