首页--工业技术论文--建筑科学论文--建筑施工机械和设备论文--混凝土机械与设备论文

基于改进型BP神经网络的混凝土泵车臂架结构优化研究

第1章 绪论第1-17页
   ·课题研究的意义第10-11页
   ·人工神经网络的发展及其现状第11-13页
   ·遗传算法的发展概况第13-15页
   ·有限元的发展及应用第15-16页
   ·本文的工作和主要研究内容第16-17页
第2章 人工神经网络理论第17-26页
   ·神经网络的基本学习机理第17-18页
   ·神经网络的学习方式第18-19页
     ·有指导的学习第19页
     ·没有指导的学习第19页
   ·神经网络的学习规则第19-24页
     ·Hebb规则第19-20页
     ·Delta规则第20-21页
     ·梯度下降规则第21-22页
     ·Kohonen学习规则第22-23页
     ·后传播的学习方法第23页
     ·Grossberg学习方法(Neo-Hebbian Learning)第23-24页
   ·神经网络的类型第24-25页
     ·神经元变换函数的类型第24页
     ·神经网络结构的类型第24-25页
   ·本章小结第25-26页
第3章 BP神经网络算法结构、改进及其算法实现第26-48页
   ·BP神经网络结构第26-33页
     ·输入和输出层的设计第27-29页
     ·隐含层数和层内节点数的确定第29-33页
   ·BP算法基本原理第33-36页
     ·BP算法基本思想第33页
     ·BP算法的学习机理第33-36页
   ·BP算法的缺陷及其原因第36-39页
     ·BP算法的主要缺陷第36页
     ·BP算法产生缺陷的原因第36-39页
   ·目前BP算法的改进措施第39-44页
     ·避免网络陷于局部极小值的方法第39-41页
     ·提高网络收敛速度的措施第41-44页
   ·本文一种改进型BP算法第44-47页
     ·几种改进型BP算法分析第44-45页
     ·改进型BP算法的提出第45-47页
   ·本章小结第47-48页
第4章 遗传算法理论及其实现第48-52页
   ·遗传算法构成第48-49页
   ·遗传算法基本理论第49-50页
   ·遗传算法的基本实现技术第50-51页
   ·本章小结第51-52页
第5章 混凝土泵车臂架结构有限元分析与实测验证第52-61页
   ·臂架有限元建模第52-53页
     ·定义材料特性第52-53页
     ·创建臂架结构的几何模型第53页
     ·划分网格第53页
   ·计算工况及载荷第53-57页
     ·载荷计算、支座铰孔约束条件第53-56页
     ·载荷与约束的施加第56-57页
   ·运算求解第57-59页
   ·实测结果对比分析第59-60页
   ·本章小结第60-61页
第6章 基于BP网络的混凝土泵车臂架结构分析器的构建第61-71页
   ·改进型BP网络的参数设计第61-62页
     ·输入、输出层结点数的设定第61-62页
     ·隐含层数和层内节点数的设定第62页
     ·网络初始参数的设定第62页
   ·样本的采集与训练第62-65页
   ·改进型BP网络算法的程序实现第65-69页
     ·BP网络核心算法第65-67页
     ·改进型BP算法流程图第67-69页
   ·BP网络结构分析器预测结果第69-70页
   ·本章小结第70-71页
第7章 混凝土泵车臂架结构的智能优化设计第71-80页
   ·优化数学模型第71-73页
     ·设计变量第71-72页
     ·目标函数第72页
     ·约束条件第72-73页
   ·优化过程设计第73-75页
     ·变量范围及编码方式第74页
     ·目标函数和适应度函数的定义第74-75页
   ·面向对象程序实现第75-79页
     ·程序系统结构第75-77页
     ·优化设计运行过程第77-79页
   ·本章小结第79-80页
第8章 全文总结第80-81页
致谢第81-82页
参考文献第82-85页
攻读硕士学位期间的科研工作和论文的发表情况第85-86页
附录第86-90页

论文共90页,点击 下载论文
上一篇:预应力混凝土槽型梁在公路桥梁中的应用
下一篇:水泥混凝土路面接缝及结构优化研究