| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 选题背景及研究意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.2.1 鲁棒控制方法及应用现状 | 第13-15页 |
| 1.2.2 智能算法的研究现状 | 第15-17页 |
| 1.2.3 有限状态观测器的研究进展 | 第17-20页 |
| 1.3 目前研究工作的不足 | 第20页 |
| 1.4 本文的主要工作 | 第20-22页 |
| 第二章 铁路钢桥鲁棒控制 | 第22-56页 |
| 2.1 引言 | 第22页 |
| 2.2 标称系统线性状态反馈H∞控制理论 | 第22-26页 |
| 2.2.1 标称系统受控方程 | 第22-23页 |
| 2.2.2 线性状态反馈H∞控制原理 | 第23-26页 |
| 2.3 鲁棒H∞控制理论 | 第26-29页 |
| 2.3.1 不确定性系统受控方程 | 第26-27页 |
| 2.3.2 不确定性系统鲁棒H∞控制原理 | 第27-29页 |
| 2.4 铁路钢桥工程概况及动力特性 | 第29-36页 |
| 2.4.1 工程背景及整体有限元模型 | 第29-30页 |
| 2.4.2 铁路钢桥模态分析 | 第30-31页 |
| 2.4.3 双向地震激励下的桥梁响应 | 第31-34页 |
| 2.4.4 列车荷载作用下的桥梁响应 | 第34-36页 |
| 2.5 AMD系统的布置和力学模型 | 第36-37页 |
| 2.6 线性状态反馈H_∞控制效果 | 第37-39页 |
| 2.6.1 地震激励下线性状态反馈H_∞控制效果 | 第37-38页 |
| 2.6.2 列车荷载下线性状态反馈H_∞控制效果 | 第38-39页 |
| 2.7 鲁棒H_∞控制效果 | 第39-54页 |
| 2.7.1 地震激励下鲁棒H_∞控制效果 | 第39-52页 |
| 2.7.1.1 只考虑质量不确定性的鲁棒H_∞控制 | 第40-42页 |
| 2.7.1.2 只考虑刚度不确定性的鲁棒H_∞控制 | 第42-45页 |
| 2.7.1.3 考虑质量、刚度不确定性的鲁棒H_∞控制 | 第45-47页 |
| 2.7.1.4 只考虑控制力不确定性的鲁棒H_∞控制 | 第47-49页 |
| 2.7.1.5 考虑结构参数和控制力不确定性的鲁棒H_∞控制 | 第49-52页 |
| 2.7.2 列车荷载下鲁棒H_∞控制效果验证 | 第52-54页 |
| 2.8 本章小结 | 第54-56页 |
| 第三章 PSO-BP神经网络理论 | 第56-68页 |
| 3.1 引言 | 第56页 |
| 3.2 BP神经网络 | 第56-61页 |
| 3.2.1 BP神经网络原理 | 第56-58页 |
| 3.2.2 BP神经网络的运行 | 第58-60页 |
| 3.2.3 BP神经网络的局限性 | 第60-61页 |
| 3.3 粒子群优化算法 | 第61-64页 |
| 3.3.1 粒子群优化算法原理 | 第61-62页 |
| 3.3.2 PSO算法的运行流程 | 第62页 |
| 3.3.3 采用均匀设计方法确定PSO算法的参数 | 第62-64页 |
| 3.4 PSO-BP神经网络 | 第64-65页 |
| 3.5 基于PSO-BP算法的有限状态反馈设计流程 | 第65-66页 |
| 3.6 本章小结 | 第66-68页 |
| 第四章 基于PSO-BP算法的铁路钢桥有限状态反馈鲁棒控制 | 第68-101页 |
| 4.1 引言 | 第68-69页 |
| 4.2 基于PSO-BP神经网络的铁路钢桥加速度辨识器的构建 | 第69-73页 |
| 4.2.1 PSO-BP神经网络训练预测样本数据的选择 | 第69-70页 |
| 4.2.2 PSO-BP神经网络模型结构的确定 | 第70-72页 |
| 4.2.3 PSO-BP神经网络参数的选取 | 第72-73页 |
| 4.3 PSO-BP神经网络加速度响应预测 | 第73-81页 |
| 4.3.1 PSO算法的优化效果 | 第73-78页 |
| 4.3.2 PSO-BP神经网络全自由度加速度预测效果 | 第78-81页 |
| 4.4 铁路钢桥全状态响应的预测 | 第81-87页 |
| 4.4.1 结构全自由度速度响应预测 | 第81-84页 |
| 4.4.2 结构全自由度位移响应预测 | 第84-87页 |
| 4.5 基于PSO-BP神经网络预测的铁路钢桥控制力 | 第87-88页 |
| 4.6 PSO-BP神经网络预测效果的荷载鲁棒性 | 第88-99页 |
| 4.6.1 PSO-BP网络样本的选取、结构及参数的设计 | 第88-89页 |
| 4.6.2 PSO-BP网络全自由度加速度预测 | 第89-93页 |
| 4.6.3 PSO-BP神经网络全状态响应预测 | 第93-98页 |
| 4.6.3.1 结构全自由度速度响应预测 | 第93-96页 |
| 4.6.3.2 结构全自由度位移响应预测 | 第96-98页 |
| 4.6.4 基于 PSO-BP 神经网络的鲁棒 H∞控制力预测 | 第98-99页 |
| 4.7 本章小结 | 第99-101页 |
| 第五章 结论与展望 | 第101-103页 |
| 5.1 结论 | 第101-102页 |
| 5.2 展望 | 第102-103页 |
| 参考文献 | 第103-109页 |
| 作者攻读硕士期间完成和发表的论文 | 第109页 |
| 作者攻读硕士学位期间参与的研究项目 | 第109-110页 |
| 致谢 | 第110页 |
