| 第1章 绪论 | 第1-16页 |
| ·课题研究的意义 | 第9-10页 |
| ·人工神经网络的发展及其现状 | 第10-12页 |
| ·进化算法的发展概况 | 第12-13页 |
| ·有限元ANSYS及模态分析 | 第13-14页 |
| ·本文的工作及主要研究内容 | 第14-16页 |
| 第2章 人工神经网络及BP网络的实现 | 第16-33页 |
| ·神经网络的基本理论 | 第16-17页 |
| ·神经网络学习方法的分类 | 第17-18页 |
| ·有导师的学习 | 第17-18页 |
| ·没有导师的学习 | 第18页 |
| ·列记式学习 | 第18页 |
| ·神经网络的学习规则 | 第18-23页 |
| ·Hebb规则 | 第18-19页 |
| ·感知器(perceptron)学习规则 | 第19-20页 |
| ·δ(Delta)规则 | 第20-21页 |
| ·Widrow-Hoff学习规则 | 第21页 |
| ·相关学习规则 | 第21页 |
| ·Winner-Take-All(胜者为王)学习规则 | 第21-22页 |
| ·内星及外星学习规则(Neo-Hebbian Learning) | 第22-23页 |
| ·神经网络的基本模型 | 第23-24页 |
| ·感知器 | 第23页 |
| ·神经网络结构的类型 | 第23-24页 |
| ·BP神经网络及其改进 | 第24-28页 |
| ·动量因子 | 第24-25页 |
| ·隐层的数目 | 第25页 |
| ·隐含层节点数选择 | 第25-26页 |
| ·学习步长 | 第26-27页 |
| ·选取适当的参数以避免陷入局部极小点 | 第27-28页 |
| ·基于MATLAB的BP神经网络 | 第28-32页 |
| ·MATLAB神经网络工具箱 | 第28页 |
| ·BP网络用到的工具箱函数 | 第28-31页 |
| ·MATLAB中BP网络的训练过程 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 进化计算及进化策略的实现 | 第33-38页 |
| ·进化计算初步 | 第33-34页 |
| ·进化策略及其实现 | 第34-38页 |
| ·(1+1)-ES | 第34页 |
| ·(μ+λ)-ES，(μ，λ)-ES | 第34-37页 |
| ·进化策略的主要特点 | 第37-38页 |
| 第4章 混凝土泵车臂架系统结构的模态分析 | 第38-45页 |
| ·臂架有限元建模 | 第39-40页 |
| ·定义材料特性 | 第39-40页 |
| ·建立臂架结构的几何模型 | 第40页 |
| ·划分网格 | 第40页 |
| ·载荷的施加 | 第40-41页 |
| ·加载及运算求解 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 基于BP网络的泵车臂架系统固频的智能设计 | 第45-53页 |
| ·BP网络的模型及参数设计 | 第45-46页 |
| ·样本的采集与训练 | 第46-49页 |
| ·BP网络算法实现 | 第49-51页 |
| ·BP网络结构分析器预测结果 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第6章 混凝土泵车臂架系统固频智能优化 | 第53-62页 |
| ·优化数学模型 | 第53-55页 |
| ·设计变量 | 第53-54页 |
| ·目标函数 | 第54页 |
| ·约束条件 | 第54-55页 |
| ·优化过程设计 | 第55-57页 |
| ·变量范围 | 第55-56页 |
| ·目标函数 | 第56-57页 |
| ·可视化程序包装实现 | 第57-61页 |
| ·程序系统结构 | 第57-58页 |
| ·优化设计运行过程 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第7章 全文总结 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 作者在攻读学位期间公开发表的论文 | 第67页 |