基于CFD的Π型断面颤振导数神经网络预测
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 桥梁颤振基本理论 | 第9-11页 |
| 1.2 桥梁颤振导数识别的研究现状 | 第11-14页 |
| 1.2.1 风洞试验研究 | 第11-12页 |
| 1.2.2 基于计算流体动力学的研究 | 第12-13页 |
| 1.2.3 人工神经网络的应用 | 第13-14页 |
| 1.2.4 研究现状总结 | 第14页 |
| 1.3 本文研究内容与意义 | 第14-15页 |
| 1.4 本文技术路线及创新点 | 第15-17页 |
| 1.4.1 本文技术路线 | 第15页 |
| 1.4.2 本文创新点 | 第15-17页 |
| 第二章 计算流体动力学与神经网络基本理论 | 第17-32页 |
| 2.1 计算流体动力学基本理论 | 第17-26页 |
| 2.1.1 流体控制方程 | 第17-19页 |
| 2.1.2 湍流数值模拟方法 | 第19-20页 |
| 2.1.3 雷诺平均N-S方程 | 第20-21页 |
| 2.1.4 雷诺平均法的湍流模型 | 第21-26页 |
| 2.2 人工神经网络基本原理与应用 | 第26-30页 |
| 2.2.1 人工神经网络概述 | 第26页 |
| 2.2.2 BP神经网络 | 第26-29页 |
| 2.2.3 RBF神经网络 | 第29-30页 |
| 2.2.4 两类神经网络的比较 | 第30页 |
| 2.3 本章小结 | 第30-32页 |
| 第三章 Π型断面颤振导数数据库的建立 | 第32-80页 |
| 3.1 颤振导数的风洞试验识别 | 第32-38页 |
| 3.1.1 断面气动外形的分析与简化 | 第32页 |
| 3.1.2 刚性节段模型风洞试验 | 第32-34页 |
| 3.1.3 风洞试验结果 | 第34-38页 |
| 3.2 基于三种湍流模型数值计算的颤振导数识别 | 第38-52页 |
| 3.2.1 湍流模型的比选 | 第38-39页 |
| 3.2.2 计算网格划分与参数设置 | 第39-42页 |
| 3.2.3 颤振导数识别结果比较 | 第42-45页 |
| 3.2.4 颤振导数识别误差比较 | 第45-47页 |
| 3.2.5 颤振临界风速计算结果比较 | 第47-48页 |
| 3.2.6 流线图分析 | 第48-51页 |
| 3.2.7 结论及误差产生原因分析 | 第51-52页 |
| 3.3 Π型断面的两个几何参数 | 第52-53页 |
| 3.3.1 宽高比 | 第52-53页 |
| 3.3.2 尺寸系数 | 第53页 |
| 3.4 几何参数对颤振导数的影响 | 第53-78页 |
| 3.4.1 计算工况设置 | 第53-54页 |
| 3.4.2 宽高比对颤振导数的影响 | 第54-58页 |
| 3.4.3 宽高比对流场的影响 | 第58-69页 |
| 3.4.4 尺寸系数对颤振导数的影响 | 第69-73页 |
| 3.4.5 尺寸系数对流场的影响 | 第73-78页 |
| 3.5 本章小结 | 第78-80页 |
| 第四章 Π型断面颤振导数的神经网络预测 | 第80-106页 |
| 4.1 神经网络的基本结构 | 第80页 |
| 4.2 基于BP神经网络的预测 | 第80-93页 |
| 4.2.1 最佳隐节点数 | 第80-89页 |
| 4.2.2 训练样本数对预测精度的影响 | 第89-92页 |
| 4.2.3 最佳训练次数 | 第92页 |
| 4.2.4 程序编写与应用 | 第92-93页 |
| 4.3 基于RBF神经网络的预测 | 第93-99页 |
| 4.3.1 最佳Spread值 | 第93-99页 |
| 4.3.2 程序编写与应用 | 第99页 |
| 4.4 预测结果分析 | 第99-104页 |
| 4.4.1 颤振导数预测结果 | 第99-104页 |
| 4.4.2 颤振临界风速计算结果 | 第104页 |
| 4.5 本章小结 | 第104-106页 |
| 结论与展望 | 第106-108页 |
| 参考文献 | 第108-111页 |
| 攻读学位期间取得的研究成果 | 第111-112页 |
| 致谢 | 第112页 |
