| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题的研究背景及来源 | 第10-12页 |
| ·课题的研究背景 | 第10-11页 |
| ·课题来源 | 第11-12页 |
| ·研究现状 | 第12-14页 |
| ·腐蚀管道的剩余强度评价模型 | 第12页 |
| ·人工神经网络在剩余强度预测中的应用 | 第12-13页 |
| ·遗传算法优化神经网络的应用 | 第13-14页 |
| ·本论文主要研究内容及工作 | 第14-15页 |
| 第2章 腐蚀管道剩余强度预测 | 第15-24页 |
| ·概述 | 第15页 |
| ·环向腐蚀缺陷 | 第15-16页 |
| ·轴向腐蚀缺陷 | 第16-20页 |
| ·ASMEB31G | 第16-18页 |
| ·ModifiedB31G | 第18-19页 |
| ·不同失效压力模型比较 | 第19-20页 |
| ·腐蚀监测 | 第20-23页 |
| ·腐蚀监测方法 | 第20页 |
| ·腐蚀管道泄漏监测 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于改进BP 算法的腐蚀管道剩余强度预测 | 第24-44页 |
| ·人工神经网络概述 | 第24-27页 |
| ·国外发展简史及我国发展概况 | 第24-25页 |
| ·人工神经网络的基本特点 | 第25-26页 |
| ·神经网络的应用范围 | 第26-27页 |
| ·神经网络模型 | 第27-32页 |
| ·生物神经元 | 第27-28页 |
| ·神经元模型 | 第28-30页 |
| ·网络拓扑结构及工作方式 | 第30-32页 |
| ·基于BP 算法的多层感知器 | 第32-36页 |
| ·多层感知器模型 | 第32页 |
| ·三层感知器数学模型 | 第32-33页 |
| ·误差反向传播算法 | 第33-36页 |
| ·改进BP 算法 | 第36-38页 |
| ·Levenberg–Marquardt 算法 | 第36-37页 |
| ·加入动量项和自适应学习速率相结合的BP 算法 | 第37-38页 |
| ·弹性BP 算法 | 第38页 |
| ·基于改进BP 算法的腐蚀管道剩余强度预测 | 第38-43页 |
| ·构造样本训练集和测试集 | 第38-39页 |
| ·网络拓扑结构的确定 | 第39-40页 |
| ·网络的训练 | 第40-41页 |
| ·网络的测试 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于遗传算法优化神经网络的腐蚀管道剩余强度预测 | 第44-64页 |
| ·遗传算法概述 | 第44-45页 |
| ·发展简史 | 第44页 |
| ·遗传算法的特点 | 第44-45页 |
| ·遗传算法的理论基础 | 第45-54页 |
| ·参数的编码 | 第46-47页 |
| ·初始种群 | 第47-48页 |
| ·遗传算子 | 第48-52页 |
| ·适应度函数 | 第52-53页 |
| ·控制参数选择 | 第53-54页 |
| ·约束条件的处理 | 第54页 |
| ·遗传算法的局限性与改进 | 第54-56页 |
| ·遗传算法的局限性 | 第54-55页 |
| ·遗传算法的改进 | 第55-56页 |
| ·基于GA - BP 网络的腐蚀管道剩余强度预测 | 第56-63页 |
| ·遗传算法与人工神经网络的结合 | 第56-58页 |
| ·基于GA -BP 网络的腐蚀管道剩余强度预测 | 第58-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| ·总结 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间发表的论文 | 第71页 |