| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 主要符号表 | 第17-18页 |
| 1 绪论 | 第18-35页 |
| 1.1 研究背景及意义 | 第18-19页 |
| 1.2 国内外相关研究进展 | 第19-32页 |
| 1.2.1 结构可靠度分析研究现状 | 第19-23页 |
| 1.2.2 基于可靠度优化的研究现状 | 第23-32页 |
| 1.3 主要研究思路与内容 | 第32-35页 |
| 2 基于修正混沌控制的HL-RF迭代算法 | 第35-51页 |
| 2.1 结构可靠度分析的基本方法 | 第35-43页 |
| 2.1.1 Monte Carlo模拟法 | 第35-36页 |
| 2.1.2 一次二阶矩方法 | 第36-38页 |
| 2.1.3 矩方法 | 第38-41页 |
| 2.1.4 单变量降维法 | 第41-43页 |
| 2.2 基于混沌控制的HL-RF迭代算法 | 第43页 |
| 2.3 基于修正混沌控制的HL-RF迭代算法 | 第43-47页 |
| 2.4 算例分析 | 第47-50页 |
| 2.5 本章小结 | 第50-51页 |
| 3 基于混合混沌控制的可靠度优化方法 | 第51-84页 |
| 3.1 结构可靠度优化的基本方法 | 第51-58页 |
| 3.1.1 双层循环算法 | 第51-55页 |
| 3.1.2 解耦法 | 第55-57页 |
| 3.1.3 单层循环方法 | 第57-58页 |
| 3.2 逆可靠度分析方法 | 第58-63页 |
| 3.2.1 改进均值法 | 第58-59页 |
| 3.2.2 混合均值方法 | 第59-61页 |
| 3.2.3 基于混沌控制的AMV方法 | 第61-63页 |
| 3.3 结构可靠度优化的修正混沌控制方法 | 第63-70页 |
| 3.3.1 基于修正混沌控制的AMV方法 | 第63-64页 |
| 3.3.2 算例 | 第64-70页 |
| 3.4 基于混合混沌控制的结构可靠度优化方法 | 第70-83页 |
| 3.4.1 混合混沌控制方法 | 第70-71页 |
| 3.4.2 基于混合混沌控制的SORA方法 | 第71-72页 |
| 3.4.3 算例 | 第72-83页 |
| 3.5 本章小结 | 第83-84页 |
| 4 基于自适应混沌控制的可靠度优化方法 | 第84-107页 |
| 4.1 基于自适应混沌控制的AMV方法 | 第84-91页 |
| 4.1.1 混沌控制因子更新策略 | 第84-87页 |
| 4.1.2 算例分析 | 第87-91页 |
| 4.2 自适应混合变循环算法 | 第91-102页 |
| 4.2.1 自适应变循环方法 | 第91-92页 |
| 4.2.2 自适应混合循环算法 | 第92-95页 |
| 4.2.3 算例分析 | 第95-102页 |
| 4.3 基于RBF神经网络的自适应可靠度优化方法 | 第102-106页 |
| 4.3.1 RBF神经网络 | 第102-103页 |
| 4.3.2 模型验证 | 第103-104页 |
| 4.3.3 算例 | 第104-106页 |
| 4.4 本章小结 | 第106-107页 |
| 5 加筋柱壳结构的可靠度优化设计 | 第107-122页 |
| 5.1 加筋柱壳结构稳定性分析方法 | 第109-111页 |
| 5.1.1 等效刚度模型 | 第109-111页 |
| 5.1.2 特征值屈曲分析 | 第111页 |
| 5.2 基于Kriging模型的可靠度优化方法 | 第111-118页 |
| 5.2.1 Kriging模型 | 第111-112页 |
| 5.2.2 粒子群算法 | 第112-114页 |
| 5.2.3 基于Kriging模型的可靠度优化方法 | 第114-115页 |
| 5.2.4 算例 | 第115-118页 |
| 5.3 加筋柱壳的可靠度优化设计 | 第118-121页 |
| 5.3.1 加筋柱壳有限元模型 | 第118-120页 |
| 5.3.2 不同设计方案结果对比 | 第120-121页 |
| 5.4 本章小结 | 第121-122页 |
| 6 结论与展望 | 第122-126页 |
| 6.1 结论 | 第122-124页 |
| 6.2 创新点摘要 | 第124-125页 |
| 6.3 展望 | 第125-126页 |
| 参考文献 | 第126-140页 |
| 攻读博士学位期间发表论文 | 第140-141页 |
| 致谢 | 第141-142页 |
| 作者简介 | 第142页 |