大跨度连续梁拱组合桥施工控制技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-16页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.2 桥梁施工监控技术研究现状 | 第12-15页 |
| 1.2.1 国外施工控制的研究现状 | 第12-13页 |
| 1.2.2 国内施工控制的研究现状 | 第13-15页 |
| 1.3 本文的主要研究内容 | 第15-16页 |
| 2 有限元模型建立及线形控制理论 | 第16-27页 |
| 2.1 工程背景 | 第16-18页 |
| 2.1.1 结构构造 | 第16-18页 |
| 2.1.2 桥梁设计参数 | 第18页 |
| 2.2 施工过程仿真模拟 | 第18-20页 |
| 2.2.1 有限元模型的建立 | 第18-19页 |
| 2.2.2 施工阶段划分 | 第19-20页 |
| 2.2.3 立模标高的计算 | 第20页 |
| 2.3 主梁线形控制的方法 | 第20-21页 |
| 2.3.1 开环控制法 | 第20页 |
| 2.3.2 闭环控制法 | 第20-21页 |
| 2.3.3 自适应控制法 | 第21页 |
| 2.4 线形控制系统 | 第21-23页 |
| 2.4.1 线形控制流程 | 第21-22页 |
| 2.4.2 测点布置及挂篮定位 | 第22-23页 |
| 2.5 主梁线形偏差影响因素分析 | 第23-24页 |
| 2.5.1 结构设计参数误差 | 第23页 |
| 2.5.2 施工误差 | 第23页 |
| 2.5.3 测量误差 | 第23-24页 |
| 2.5.4 结构计算分析误差 | 第24页 |
| 2.6 参数敏感性分析 | 第24-26页 |
| 2.6.1 参数扰动率的确定 | 第24页 |
| 2.6.2 参数分析的判断指标 | 第24-25页 |
| 2.6.3 参数分析的结果 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 3 基于BP神经网络模型模型的主梁线形控制 | 第27-47页 |
| 3.1 BP神经网络 | 第27-31页 |
| 3.1.1 BP神经网络理论 | 第27-28页 |
| 3.1.2 BP神经网络的学习算法 | 第28-30页 |
| 3.1.3 BP神经网络算法流程 | 第30-31页 |
| 3.1.4 BP神经网络Matlab语言实现 | 第31页 |
| 3.2 BP神经网络在参数识别中的应用 | 第31-39页 |
| 3.2.1 网络结构的确定 | 第32页 |
| 3.2.2 学习与测试样本的选取 | 第32-34页 |
| 3.2.3 数据归一化 | 第34页 |
| 3.2.4 BP神经网络的训练 | 第34-37页 |
| 3.2.5 参数识别结果分析 | 第37-39页 |
| 3.3 BP神经网络在预拱度偏差预测中的应用 | 第39-46页 |
| 3.3.1 输入输出参数确定 | 第39-40页 |
| 3.3.2 学习样本的选取 | 第40-41页 |
| 3.3.3 预拱度偏差预测结果及分析 | 第41-43页 |
| 3.3.5 主梁线形控制结果 | 第43-46页 |
| 3.4 本章小结 | 第46-47页 |
| 4 应力控制与研究 | 第47-62页 |
| 4.1 应力测试原理 | 第47-48页 |
| 4.2 主梁应力控制系统 | 第48-53页 |
| 4.2.1 测点布置 | 第48-49页 |
| 4.2.2 主梁应力控制结果 | 第49-53页 |
| 4.3 拱肋应力控制系统 | 第53-61页 |
| 4.3.1 拱肋应力计布置 | 第54-55页 |
| 4.3.2 拱肋应力控制结果 | 第55-61页 |
| 4.4 本章小结 | 第61-62页 |
| 5 吊杆力识别与调整 | 第62-75页 |
| 5.1 吊杆力识别方法 | 第62-63页 |
| 5.2 吊杆力识别 | 第63-68页 |
| 5.3 成桥阶段吊杆力调整 | 第68-74页 |
| 5.3.1 吊杆力调整方法 | 第68-69页 |
| 5.3.2 影响矩阵法在成桥吊杆力调整中的应用 | 第69-74页 |
| 5.4 本章小结 | 第74-75页 |
| 结论与展望 | 第75-76页 |
| 结论 | 第75页 |
| 展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻读学位期间的研究成果 | 第80页 |
