大型预应力渡槽的有限元分析及监测模型研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 引言 | 第8-12页 |
| ·本文研究的目的和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文研究的主要内容 | 第11-12页 |
| 2 渡槽健康监测的基本理论与监测模型 | 第12-17页 |
| ·结构健康监测概述 | 第12页 |
| ·结构健康监测的概念 | 第12页 |
| ·结构健康监测系统的组成 | 第12页 |
| ·渡槽健康监测的目的、内容和监测项目 | 第12-14页 |
| ·目的 | 第12页 |
| ·监测系统内容 | 第12-13页 |
| ·监测项目及监测布置 | 第13-14页 |
| ·大型渡槽安全监测模型 | 第14-17页 |
| ·确定性模型 | 第14-15页 |
| ·统计模型 | 第15-16页 |
| ·混合模型 | 第16-17页 |
| 3 大型预应力梁式渡槽的有限元分析 | 第17-41页 |
| ·渡槽概述 | 第17-19页 |
| ·渡槽的概念及其基本结构形式 | 第17-18页 |
| ·预应力混凝土渡槽的分类及其结构特点 | 第18-19页 |
| ·预应力混凝土的分类及特点 | 第19-21页 |
| ·预应力混凝土的分类 | 第19-20页 |
| ·预应力混凝土的特点 | 第20-21页 |
| ·洛河渡槽的工程概况及其预应力筋的布置 | 第21-26页 |
| ·工程概况 | 第21-22页 |
| ·预应力筋的布置 | 第22-26页 |
| ·建立洛河渡槽有限元线性静力分析模型 | 第26-31页 |
| ·有限单元方法原理 | 第26-27页 |
| ·ANSYS程序简介 | 第27页 |
| ·ANSYS对预应力及其建模的处理方法 | 第27-28页 |
| ·有限元模型的建立 | 第28-31页 |
| ·约束条件的施加和结构计算 | 第31-32页 |
| ·加载以及约束条件 | 第31页 |
| ·计算方案的设计 | 第31-32页 |
| ·计算结果及其分析 | 第32-36页 |
| ·工况一的结果分析 | 第32-33页 |
| ·工况二的结果分析 | 第33-35页 |
| ·工况三的结果分析 | 第35-36页 |
| ·工况四的结果分析 | 第36页 |
| ·本章模型优越性的验证 | 第36-39页 |
| ·位移变形对比 | 第37页 |
| ·应力对比 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 4 人工神经网络原理 | 第41-50页 |
| ·人工神经网络的涵义 | 第41页 |
| ·人工神经网络的发展历史 | 第41-42页 |
| ·人工神经网络的应用 | 第42-43页 |
| ·人工神经网络的特性 | 第43页 |
| ·神经网络模型 | 第43-46页 |
| ·神经元结构模型 | 第44-45页 |
| ·神经网络的互连模式 | 第45-46页 |
| ·神经网络的学习方法 | 第46-50页 |
| ·学习方式 | 第46-47页 |
| ·学习算法(学习规则) | 第47-48页 |
| ·学习与自适应 | 第48-50页 |
| 5 基于神经网络和有限元的监测模型的建立 | 第50-57页 |
| ·前向型神经网络及BP网络介绍 | 第50-51页 |
| ·BP神经网络 | 第50-51页 |
| ·反向传播(BP)学习算法 | 第51页 |
| ·神经网络监测模型的设计 | 第51-55页 |
| ·网络输入输出变量的选择 | 第51-52页 |
| ·训练样本库的建立 | 第52页 |
| ·学习样本规格化 | 第52-54页 |
| ·BP网络的设计与计算 | 第54-55页 |
| ·网络预测能力的测试 | 第55-57页 |
| 6 结论 | 第57-58页 |
| ·本文总结 | 第57页 |
| ·后续工作和展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 在读期间发表论文情况 | 第62-63页 |
| 作者简介 | 第63-64页 |
| 致谢 | 第64页 |
