| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-18页 |
| ·论文研究的背景和意义 | 第10-11页 |
| ·多目标优化中的遗传算法 | 第11-14页 |
| ·多目标优化问题 | 第11-12页 |
| ·多目标优化问题的遗传算法 | 第12-14页 |
| ·神经网络在遗传算法中的应用 | 第14-16页 |
| ·论文的主要研究内容 | 第16-18页 |
| 第2章 集装箱龙门起重机结构系统静态及动态性能分析 | 第18-35页 |
| ·集装箱龙门起重机结构系统有限元参数化模型的建立 | 第18-20页 |
| ·集装箱龙门起重机结构系统的静态分析 | 第20-27页 |
| ·集装箱龙门起重机静态分析中的计算载荷 | 第20-22页 |
| ·集装箱龙门起重机静态分析中的计算工况 | 第22页 |
| ·集装箱龙门起重机结构系统静态有限元计算结果 | 第22-26页 |
| ·有限元计算结果分析 | 第26-27页 |
| ·集装箱龙门起重机结构系统的模态分析 | 第27-29页 |
| ·集装箱龙门起重机结构系统的谐响应分析 | 第29-31页 |
| ·集装箱龙门起重机结构系统的瞬态动力学分析 | 第31-32页 |
| ·集装箱龙门起重机结构系统的灵敏度分析 | 第32-35页 |
| 第3章 集装箱龙门起重机结构系统动态优化设计的数学模型 | 第35-44页 |
| ·多目标优化问题的数学描述 | 第35-37页 |
| ·集装箱龙门起重机结构系统动态优化设计的数学模型 | 第37-40页 |
| ·目标函数 | 第37-38页 |
| ·设计变量 | 第38-39页 |
| ·约束条件(状态变量) | 第39-40页 |
| ·利用正交试验法确定神经网络的训练样本 | 第40-44页 |
| 第4章 BP神经网络模型的建立 | 第44-59页 |
| ·常用人工神经网络模型 | 第45-46页 |
| ·BP神经网络 | 第46-54页 |
| ·网络信息容量与训练样本数 | 第48页 |
| ·训练样本集的准备 | 第48-50页 |
| ·初始权值的设计 | 第50-51页 |
| ·多层感知器结构设计 | 第51-52页 |
| ·网络的训练与测试 | 第52-54页 |
| ·BP神经网络模型的建立 | 第54-59页 |
| ·以结构自重为输出变量的神经网络 | 第54-56页 |
| ·以第七阶固有频率为输出变量的神经网络 | 第56-59页 |
| 第5章 遗传算法及神经网络的协同优化 | 第59-72页 |
| ·遗传算法概述 | 第59-60页 |
| ·遗传算法的基本操作 | 第60-61页 |
| ·遗传算法运行参数的选择 | 第61-63页 |
| ·基于遗传算法和神经网络的结构系统动态优化 | 第63-68页 |
| ·遗传算法优化结果与ANSYS优化结果的比较 | 第68-72页 |
| 结论 | 第72-75页 |
| 1. 本论文的主要工作 | 第72-73页 |
| 2. 本论文的主要创新点 | 第73页 |
| 3. 展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第79页 |