桥式起重机神经网络快速设计法研究
| 中文摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 课题研究的背景 | 第10页 |
| 1.1.2 课题研究的意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 起重机发展现状 | 第11-12页 |
| 1.2.2 计算机技术用于桥式起重机的发展现状 | 第12-13页 |
| 1.3 主要研究内容和技术路线 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 研究技术路线 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 智能优化算法与神经网络映射理论 | 第16-28页 |
| 2.1 传统网格算法简介 | 第16页 |
| 2.2 智能优化算法简介 | 第16-17页 |
| 2.3 粒子群算法 | 第17-21页 |
| 2.3.1 基本粒子群算法 | 第17-18页 |
| 2.3.2 基本粒子群算法流程 | 第18-19页 |
| 2.3.3 动态惩罚函数粒子群优化算法模型 | 第19-21页 |
| 2.4 神经网络映射理论 | 第21-27页 |
| 2.4.1 神经元模型 | 第22-23页 |
| 2.4.2 BP神经网络映射模型 | 第23-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 桥机金属结构设计方案发生器与可视化设计 | 第28-42页 |
| 3.1 桥架受载分析 | 第28-30页 |
| 3.1.1 主梁受载分析 | 第28-29页 |
| 3.1.2 端梁载荷 | 第29-30页 |
| 3.2 桥机金属结构优化设计数学模型 | 第30-34页 |
| 3.2.1 设计变量 | 第30-31页 |
| 3.2.2 约束条件 | 第31-34页 |
| 3.2.3 目标函数 | 第34页 |
| 3.3 可视化设计的概念 | 第34-35页 |
| 3.4 桥机金属结构设计方案发生器 | 第35-39页 |
| 3.4.1 设计方案发生器的功能 | 第35页 |
| 3.4.2 设计方案发生器界面及操作流程 | 第35-39页 |
| 3.5 实例分析 | 第39-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第四章 桥机金属结构优化设计的本质问题 | 第42-49页 |
| 4.1 优化结果存在的实际问题 | 第42页 |
| 4.2 桥机主梁理论优化的规律 | 第42-44页 |
| 4.3 工程实际中所遇到的问题 | 第44-45页 |
| 4.4 桥机主梁优化的本质问题 | 第45-46页 |
| 4.5 对软件的要求 | 第46-47页 |
| 4.6 本章小结 | 第47-49页 |
| 第五章 桥机金属结构神经网络快速设计法研究 | 第49-63页 |
| 5.1 神经网络快速设计法简述 | 第49-51页 |
| 5.2 样本的选取 | 第51-55页 |
| 5.2.1 样本的采集方式 | 第51-52页 |
| 5.2.2 样本中设计参数的选取 | 第52-53页 |
| 5.2.3 样本中设计方案的选取 | 第53-55页 |
| 5.3 快速设计映射网络的构建与训练 | 第55-61页 |
| 5.3.1 快速设计法BP神经网络的构建 | 第55-57页 |
| 5.3.2 BP神经网络训练软件 | 第57-59页 |
| 5.3.3 快速设计法映射网络的软件实现 | 第59-61页 |
| 5.4 实例验证 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 快速设计法的改进 | 第63-71页 |
| 6.1 快速设计法的改进方案 | 第63-65页 |
| 6.1.1 改进方案一 | 第63-64页 |
| 6.1.2 改进方案二 | 第64-65页 |
| 6.2 样本的重新选取 | 第65-69页 |
| 6.3 实例验证 | 第69页 |
| 6.4 本章小结 | 第69-71页 |
| 第七章 结论与展望 | 第71-75页 |
| 7.1 全文总结与归纳 | 第71页 |
| 7.2 结论 | 第71-72页 |
| 7.3 创新之处 | 第72-73页 |
| 7.4 不足与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 攻读学位期间发表的学术论文目录 | 第81页 |
