| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-19页 |
| 1.2.1 主动控制算法研究现状 | 第11-14页 |
| 1.2.2 基于有限状态反馈控制方法的研究 | 第14-17页 |
| 1.2.3 基于时滞问题的研究 | 第17-19页 |
| 1.3 目前研究工作的不足 | 第19-20页 |
| 1.4 本文的主要工作 | 第20-22页 |
| 第二章 粒子群算法优化BP神经网络 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 BP神经网络 | 第22-28页 |
| 2.2.1 BP神经网络基本原理 | 第22-26页 |
| 2.2.2 BP神经网络算法步骤 | 第26-27页 |
| 2.2.3 BP神经网络算法的缺陷 | 第27-28页 |
| 2.3 粒子群算法 | 第28-29页 |
| 2.3.1 粒子群算法基本原理 | 第28-29页 |
| 2.3.2 PSO算法参数设置 | 第29页 |
| 2.4 PSO算法优化BP神经网络 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于PSO-BP神经网络状态观测器对高层建筑结构的主动控制 | 第32-65页 |
| 3.1 引言 | 第32页 |
| 3.2 基于PSO-BP神经网络的建筑结构状态观测器的设计 | 第32-36页 |
| 3.2.1 状态观测器原理 | 第32-33页 |
| 3.2.2 工程背景以及结构模型的建立 | 第33-34页 |
| 3.2.3 结构力学简化模型 | 第34-35页 |
| 3.2.4 设置AMD系统结构的受控方程以及控制参数 | 第35-36页 |
| 3.3 基于PSO-BP网络的高层建筑加速度响应辨识器的建立 | 第36-37页 |
| 3.3.1 网络训练预测样本数据的选取和处理 | 第36页 |
| 3.3.2 神经网络模型结构的确定 | 第36页 |
| 3.3.3 PSO算法参数的设定 | 第36-37页 |
| 3.4 基于PSO-BP神经网络状态观测器的结构主动控制效果 | 第37-52页 |
| 3.4.1 PSO算法优化效果 | 第37-42页 |
| 3.4.2 基于PSO算法优化前后的加速度响应预测误差对比 | 第42-46页 |
| 3.4.3 基于PSO-BP网络的加速度响应预测效果 | 第46-47页 |
| 3.4.4 基于PSO-BP神经网络状态观测器的全状态响应预测效果 | 第47-50页 |
| 3.4.5 基于PSO-BP神经网络状态观测器的主动控制力预测效果 | 第50-52页 |
| 3.5 与其他状态观测器预测效果对比 | 第52-59页 |
| 3.5.1 系统状态观测器 | 第52-54页 |
| 3.5.2 模态滤波器 | 第54-55页 |
| 3.5.3 与模态滤波器预测效果对比 | 第55-57页 |
| 3.5.4 与系统状态观测器预测效果对比 | 第57-59页 |
| 3.6 基于PSO-BP神经网络状态观测器的荷载鲁棒性分析 | 第59-63页 |
| 3.6.1 网络训练预测样本数据的选取和处理 | 第59-60页 |
| 3.6.2 基于PSO-BP网络的不同地震激励下加速度响应预测效果 | 第60-63页 |
| 3.7 本章小结 | 第63-65页 |
| 第四章 基于PSO-BP神经网络状态观测器对进站人行天桥的主动控制 | 第65-83页 |
| 4.1 引言 | 第65页 |
| 4.2 基于PSO-BP神经网络的人行天桥状态观测器的设计 | 第65-71页 |
| 4.2.1 状态观测器原理 | 第65页 |
| 4.2.2 工程背景以及结构模型的建立 | 第65-67页 |
| 4.2.3 进站人行天桥荷载模拟 | 第67-70页 |
| 4.2.3.1 列车风荷载模拟 | 第67-68页 |
| 4.2.3.2 环境振动激励模拟 | 第68-69页 |
| 4.2.3.3 列车风荷载与非一致环境振动激励共同作用下的运动方程 | 第69-70页 |
| 4.2.4 设置AMD系统人行天桥的受控方程以及受控参数 | 第70-71页 |
| 4.3 基于PSO-BP网络的人行天桥加速度响应辨识器的建立 | 第71-73页 |
| 4.3.1 网络训练预测样本数据的选取和处理 | 第71-72页 |
| 4.3.2 神经网络模型结构的确定 | 第72-73页 |
| 4.4 基于PSO-BP神经网络状态观测器的天桥主动控制效果 | 第73-81页 |
| 4.4.1 对车速350km/h下人行天桥的全状态响应预测效果 | 第74-78页 |
| 4.4.2 对车速270km/h下人行天桥的全状态响应预测效果 | 第78-80页 |
| 4.4.3 基于PSO-BP神经网络状态观测器的主动控制力预测效果 | 第80-81页 |
| 4.5 本章小结 | 第81-83页 |
| 第五章 基于PSO-BP神经网络时滞辨识器对结构的主动控制 | 第83-99页 |
| 5.0 引言 | 第83页 |
| 5.1 基于PSO-BP神经网络的结构时滞辨识器的设计 | 第83-84页 |
| 5.2 基于PSO-BP网络的结构时滞响应辨识器的建立 | 第84-85页 |
| 5.2.1 网络训练预测样本数据的选取和处理 | 第84页 |
| 5.2.2 神经网络模型结构的确定 | 第84-85页 |
| 5.2.3 PSO算法参数的设定 | 第85页 |
| 5.3 基于PSO-BP网络对高层建筑的时滞响应预测 | 第85-93页 |
| 5.3.1 对当前时刻后的下1时刻建筑结构响应预测效果 | 第87-89页 |
| 5.3.2 对当前时刻后的下3时刻建筑结构响应预测效果 | 第89-91页 |
| 5.3.3 对当前时刻后的下5时刻建筑结构响应预测效果 | 第91-93页 |
| 5.4 基于PSO-BP网络对人行天桥的时滞响应预测 | 第93-97页 |
| 5.4.1 对当前时刻后的下1时刻天桥响应预测效果 | 第93-94页 |
| 5.4.2 对当前时刻后的下5时刻天桥响应预测效果 | 第94-96页 |
| 5.4.3 对当前时刻后的下10时刻天桥响应预测效果 | 第96-97页 |
| 5.5 本章小结 | 第97-99页 |
| 第六章 结论与展望 | 第99-101页 |
| 6.1 结论 | 第99-100页 |
| 6.2 展望 | 第100-101页 |
| 参考文献 | 第101-105页 |
| 作者攻读硕士期间完成和发表的论文 | 第105页 |
| 作者攻读硕士学位期间参与的研究项目 | 第105-106页 |
| 致谢 | 第106页 |
