摘要 | 第4-6页 |
Abstract | 第6-8页 |
第一章 绪论 | 第15-38页 |
1.1 课题背景 | 第15-16页 |
1.2 建筑结构常用加固方法 | 第16-18页 |
1.3 加筋高性能砂浆加固技术的相关研究 | 第18-23页 |
1.3.1 加筋高性能砂浆加固技术 | 第18-20页 |
1.3.2 主要材料性能分析 | 第20-23页 |
1.4 加固层粘结机理的研究 | 第23-36页 |
1.4.1 粘结机理的研究现状 | 第24-25页 |
1.4.2 新旧混凝土粘结破坏机理 | 第25-27页 |
1.4.3 新旧混凝土粘结性能的影响因素 | 第27-33页 |
1.4.4 高性能砂浆与混凝土的粘结性能研究 | 第33-36页 |
1.5 本文的主要研究内容 | 第36-38页 |
第二章 HPFL 加固层砂浆与混凝土粘结性能试验研究 | 第38-60页 |
2.1 高性能砂浆加固层界面抗拉性能试验 | 第38-50页 |
2.1.1 抗拉试验简述 | 第39-40页 |
2.1.2 试验现象分析 | 第40-43页 |
2.1.3 加固层界面粘结性能的影响因素分析 | 第43-47页 |
2.1.4 影响因素的显著性分析 | 第47-50页 |
2.2 高性能砂浆加固层界面抗剪性能试验 | 第50-54页 |
2.2.1 抗剪试验简述 | 第50-52页 |
2.2.2 剪切粘结强度的影响因素分析 | 第52-53页 |
2.2.3 影响因素的显著性分析 | 第53-54页 |
2.3 试验结果与新旧混凝土粘结性能对比分析 | 第54-57页 |
2.3.1 粘结机理的对比分析 | 第54-55页 |
2.3.2 粘结性能的影响因素对比分析 | 第55-57页 |
2.5 本章小结 | 第57-60页 |
第三章 人工神经网络基本理论 | 第60-75页 |
3.1 人工神经网络在土木工程中的应用 | 第60-62页 |
3.2 人工神经网络模型及分类 | 第62-67页 |
3.2.1 人工神经元模型 | 第62-64页 |
3.2.2 人工神经网络构成 | 第64-65页 |
3.2.3 人工神经网络类型 | 第65-66页 |
3.2.4 人工神经网络的学习 | 第66-67页 |
3.3 人工神经网络特性和应用 | 第67-68页 |
3.3.1 人工神经网络特性 | 第67页 |
3.3.2 人工神经网络应用领域 | 第67-68页 |
3.4 BP 人工神经网络 | 第68-74页 |
3.4.1 BP 神经网络模型 | 第68-69页 |
3.4.2 BP 模型基本算法数学表达 | 第69-70页 |
3.4.3 BP 网络模型设计及其参数确定方法 | 第70-73页 |
3.4.4 BP 模型的改进算法 | 第73-74页 |
3.4.5 LM 算法 | 第74页 |
3.5 本章小结 | 第74-75页 |
第四章 聚合物砂浆与混凝土粘结性能的 BP 神经网络分析 | 第75-99页 |
4.1 MATLAB 神经网络工具箱 | 第75-76页 |
4.1.1 Matlab 简介 | 第75页 |
4.1.2 Matlab-NN 工具箱 | 第75-76页 |
4.2 基于 NN 工具箱的预测模型的建立 | 第76-84页 |
4.2.1 选取网络模型 | 第76页 |
4.2.2 确定网络结构 | 第76-78页 |
4.2.3 样本选取与样本数据预处理 | 第78-80页 |
4.2.4 传递函数的选择 | 第80页 |
4.2.5 选择误差界 | 第80-81页 |
4.2.6 选取学习速率 | 第81页 |
4.2.7 网络的训练 | 第81-84页 |
4.3 聚合物砂浆与混凝土粘结性能 BP 预测结果 | 第84-87页 |
4.3.1 聚合物砂浆与混凝土界面抗拉粘结性能 BP 预测结果 | 第84-85页 |
4.3.2 聚合物砂浆与混凝土界面抗剪粘结性能 BP 预测结果 | 第85-87页 |
4.4 HPFL 加固层复合受力预测分析 | 第87-94页 |
4.4.1 HPFL 加固层拉剪受力预测分析 | 第87-91页 |
4.4.2 HPFL 加固层压剪受力预测分析 | 第91-94页 |
4.5 HPFL 加固层复合剪切粘结强度公式拟合 | 第94-97页 |
4.5.1 HPFL 加固层拉剪复合受力粘结强度公式拟合 | 第95-96页 |
4.5.2 HPFL 加固层压剪复合受力粘结强度公式拟合 | 第96-97页 |
4.6 本章小结 | 第97-99页 |
第五章 结论与展望 | 第99-103页 |
5.1 结论 | 第99-101页 |
5.2 展望 | 第101-103页 |
参考文献 | 第103-113页 |
攻读硕士学位期间的研究成果 | 第113-114页 |
获奖情况 | 第114-115页 |
致谢 | 第115-116页 |