基于遗传算法和神经网络的输电铁塔形状优化设计
摘要 | 第1-6页 |
Abstract | 第6-8页 |
目录 | 第8-11页 |
Contents | 第11-14页 |
第一章 绪论 | 第14-23页 |
·引言 | 第14-15页 |
·工程结构优化设计 | 第15-19页 |
·工程结构优化的概念 | 第15页 |
·结构优化设计方法概述 | 第15-17页 |
·结构优化设计的发展现状 | 第17-19页 |
·遗传算法在结构优化中的应用 | 第19-20页 |
·神经网络在结构优化中的应用 | 第20-21页 |
·本文研究的主要内容 | 第21-22页 |
·本章小结 | 第22-23页 |
第二章 遗传算法 | 第23-41页 |
·遗传算法简介 | 第23页 |
·遗传算法的发展现状 | 第23-25页 |
·遗传算法的特点 | 第25-26页 |
·遗传算法的运算过程 | 第26-33页 |
·编码表达 | 第28页 |
·适应值函数的确定 | 第28-29页 |
·遗传算法的执行过程 | 第29-32页 |
·控制算法的参数 | 第32-33页 |
·算法停止运行的准则 | 第33页 |
·遗传算法的基本理论 | 第33-38页 |
·模式的概念 | 第34-35页 |
·模式定理 | 第35-37页 |
·积木块假设 | 第37-38页 |
·简单遗传算法的改进 | 第38-40页 |
·最优保存策略 | 第39页 |
·模拟退火算法 | 第39-40页 |
·本章小结 | 第40-41页 |
第三章 BP神经网络 | 第41-58页 |
·人工神经网络概述 | 第41页 |
·神经网络的发展和现状 | 第41-42页 |
·神经网络的基本理论 | 第42-46页 |
·神经网络的基本原理与特性 | 第42-44页 |
·神经网络的模型 | 第44-46页 |
·神经网络的应用 | 第46页 |
·BP神经网络 | 第46-51页 |
·BP神经元及网络模型 | 第46-47页 |
·BP网络学习算法 | 第47-50页 |
·BP网络的缺陷 | 第50-51页 |
·BP网络的改进 | 第51-54页 |
·LM算法 | 第51-53页 |
·LM-BP网络训练过程 | 第53-54页 |
·BP网络的非线性映射能力 | 第54-55页 |
·BP网络样本的构造方法 | 第55-57页 |
·正交试验设计法 | 第55-56页 |
·均匀试验设计法 | 第56-57页 |
·DPS数据处理系统 | 第57页 |
·本章小结 | 第57-58页 |
第四章 输电铁塔的优化设计 | 第58-67页 |
·引言 | 第58页 |
·输电塔线体系的基本概况 | 第58-59页 |
·输电铁塔的结构型式和发展 | 第59-62页 |
·输电铁塔形状优化的模型 | 第62-63页 |
·铁塔工况荷载计算 | 第63-65页 |
·铁塔内力分析方法 | 第65页 |
·铁塔结构优化设计方法 | 第65-66页 |
·本章小结 | 第66-67页 |
第五章 BP-GA算法在输电铁塔形状优化中的应用 | 第67-91页 |
·引言 | 第67页 |
·BP-GA算法流程图 | 第67-68页 |
·BP-GA算法程序实现 | 第68-72页 |
·编程语言 | 第68页 |
·BP神经网络模块 | 第68-72页 |
·基于BP-GA算法的10杆桁架优化 | 第72-76页 |
·工程概况 | 第72-73页 |
·优化模型分析 | 第73-74页 |
·BP网络的训练 | 第74页 |
·结构优化收敛历程 | 第74-75页 |
·优化结果比较 | 第75-76页 |
·基于BP-GA算法的25杆铁塔优化 | 第76-83页 |
·工程概况 | 第76-78页 |
·优化模型分析 | 第78-79页 |
·BP网络的训练 | 第79-81页 |
·结构优化收敛历程 | 第81-82页 |
·优化结果比较 | 第82-83页 |
·BP-GA在高压输电铁塔优化设计中的应用 | 第83-89页 |
·工程概述 | 第83-84页 |
·优化模型分析 | 第84-88页 |
·BP网络的训练 | 第88页 |
·结构优化收敛历程 | 第88-89页 |
·优化结果分析 | 第89页 |
·本章小结 | 第89-91页 |
第六章 总结和展望 | 第91-93页 |
·结论 | 第91-92页 |
·展望 | 第92-93页 |
参考文献 | 第93-99页 |
攻读硕士学位期间发表的论文 | 第99-100页 |
致谢 | 第100-101页 |
附录 | 第101-108页 |