摘要 | 第3-4页 |
abstract | 第4-5页 |
1 绪论 | 第9-18页 |
1.1 研究背景及意义 | 第9-11页 |
1.1.1 研究背景 | 第9-10页 |
1.1.2 研究意义 | 第10-11页 |
1.2 预应力钢-混组合梁及结构优化设计研究现状 | 第11-16页 |
1.2.1 预应力钢-混组合梁研究现状 | 第11-13页 |
1.2.2 结构优化设计研究现状 | 第13-16页 |
1.3 本文研究内容及技术路线 | 第16页 |
1.4 本文拟解决的关键问题和创新点 | 第16-18页 |
2 预应力钢-混组合梁有限元方法 | 第18-31页 |
2.1 钢-混组合梁三维有限元方法 | 第19-25页 |
2.1.1 材料本构 | 第19-21页 |
2.1.2 单元类型和网格划分 | 第21-22页 |
2.1.3 接触定义 | 第22页 |
2.1.4 钢-混组合梁三维有限元模型 | 第22-25页 |
2.2 预应力钢-混组合梁三维有限元方法 | 第25-30页 |
2.2.1 材料属性及几何尺寸 | 第25-26页 |
2.2.2 接触定义 | 第26-27页 |
2.2.3 降温法施加预应力 | 第27页 |
2.2.4 预应力钢-混组合梁有限元分析结果 | 第27-30页 |
2.3 本章小结 | 第30-31页 |
3 预应力钢-混组合梁极限承载力敏感性分析 | 第31-60页 |
3.1 敏感性分析原理 | 第31-32页 |
3.2 钢梁抗拉强度的影响 | 第32-37页 |
3.2.1 参数选取 | 第32页 |
3.2.2 有限元分析结果 | 第32-35页 |
3.2.3 荷载-挠度曲线 | 第35-36页 |
3.2.4 敏感性分析 | 第36-37页 |
3.3 混凝土强度的影响 | 第37-42页 |
3.3.1 参数选取 | 第37页 |
3.3.2 有限元分析结果 | 第37-41页 |
3.3.3 荷载-挠度曲线 | 第41-42页 |
3.3.4 敏感性分析 | 第42页 |
3.4 混凝土板厚的影响 | 第42-48页 |
3.4.1 参数选取 | 第42页 |
3.4.2 有限元分析结果 | 第42-46页 |
3.4.3 荷载-挠度曲线 | 第46-47页 |
3.4.4 敏感性分析 | 第47-48页 |
3.5 预应力初值的影响 | 第48-53页 |
3.5.1 参数选取 | 第48页 |
3.5.2 有限元分析结果 | 第48-52页 |
3.5.3 荷载-挠度曲线 | 第52页 |
3.5.4 敏感性分析 | 第52-53页 |
3.6 栓钉直径的影响 | 第53-59页 |
3.6.1 参数选取 | 第53-54页 |
3.6.2 有限元分析结果 | 第54-57页 |
3.6.3 荷载-挠度曲线 | 第57-58页 |
3.6.4 敏感性分析 | 第58-59页 |
3.7 本章小结 | 第59-60页 |
4 基于BP神经网络的预应力组合梁极限承载力 | 第60-76页 |
4.1 BP神经网络预测模型 | 第60-65页 |
4.1.1 BP人工神经网络 | 第60-63页 |
4.1.2 BP预测系统网络结构 | 第63页 |
4.1.3 BP神经网络预测系统的实现 | 第63-65页 |
4.2 测试样本结果对比分析 | 第65-70页 |
4.2.1 BP神经网络预测 | 第65-67页 |
4.2.2 承载力评估 | 第67-70页 |
4.3 工程应用 | 第70-75页 |
4.3.1 理论计算 | 第71-73页 |
4.3.2 数值模拟 | 第73-74页 |
4.3.3 BP神经网络预测 | 第74-75页 |
4.4 本章小结 | 第75-76页 |
5 基于粒子群算法的预应力组合梁设计参数优化 | 第76-87页 |
5.1 粒子群极值寻优算法 | 第76-80页 |
5.1.1 粒子群算法原理 | 第76-77页 |
5.1.2 粒子群算法的流程 | 第77-78页 |
5.1.3 粒子群算法极值寻优的实现 | 第78-80页 |
5.2 预应力钢-混组合梁的优化 | 第80-83页 |
5.2.1 设计变量及目标函数的确定 | 第80-81页 |
5.2.2 预应力组合梁设计参数的界限约束 | 第81-82页 |
5.2.3 预应力钢-混组合梁设计参数优化计算 | 第82-83页 |
5.3 优化前后性能对比分析 | 第83-86页 |
5.3.1 最优方案的设计参数 | 第83页 |
5.3.2 优化后的预应力组合梁有限元模型 | 第83-84页 |
5.3.3 优化前后性能对比分析 | 第84-86页 |
5.4 本章小结 | 第86-87页 |
6 结论与展望 | 第87-95页 |
6.1 结论 | 第87-88页 |
6.2 展望 | 第88-95页 |
致谢 | 第95-96页 |
附录Ⅰ 单隐层BP神经网络预测源程序(部分) | 第96-97页 |
附录Ⅱ 双隐层BP神经网络预测源程序(部分) | 第97-98页 |
附录Ⅲ 考虑惯性权重的PSO优化算法源程序(部分) | 第98-99页 |