中文摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
第一章 绪论 | 第9-19页 |
1.1 课题来源及研究意义 | 第9-10页 |
1.1.1 课题来源 | 第9-10页 |
1.1.2 课题研究意义 | 第10页 |
1.2 立体车库发展现状 | 第10-14页 |
1.2.1 立体车库类型及特点 | 第10-12页 |
1.2.2 国内外立体车库发展现状 | 第12-13页 |
1.2.3 国内立体车库存在的问题 | 第13-14页 |
1.3 课题研究工作及技术路线 | 第14-19页 |
1.3.1 研究内容及要解决的问题 | 第14-17页 |
1.3.2 研究方法及技术路线 | 第17-19页 |
第二章 塔式车库钢架结构参数化建模 | 第19-33页 |
2.1 前言 | 第19-20页 |
2.2 APDL语言简介 | 第20-21页 |
2.3 车库结构参数化建模 | 第21-25页 |
2.3.1 定义立体车库整体参数 | 第21-22页 |
2.3.2 定义截面参数 | 第22页 |
2.3.3 建立底层节点 | 第22-23页 |
2.3.4 建立底层杆件 | 第23页 |
2.3.5 建立中间层节点和杆件 | 第23-24页 |
2.3.6 建立顶层节点与杆件 | 第24页 |
2.3.7 定义立体车库属性和各截面赋值 | 第24页 |
2.3.8 网格划分 | 第24-25页 |
2.4 载荷、工况、边界条件的参数化施加 | 第25-30页 |
2.4.1 钢结构自重载荷 | 第25页 |
2.4.2 车辆载荷 | 第25-26页 |
2.4.3 托盘重量 | 第26页 |
2.4.4 起升载荷 | 第26-27页 |
2.4.5 车库外敷保温板质量 | 第27-28页 |
2.4.6 风载荷 | 第28-30页 |
2.5 车库结构分析与结果 | 第30-32页 |
2.6 本章小结 | 第32-33页 |
第三章 基于MATLAB的BP神经网络预测 | 第33-45页 |
3.1 前言 | 第33页 |
3.2 BP神经网络简介 | 第33-35页 |
3.2.1 BP神经网络的结构 | 第34-35页 |
3.2.2 BP神经网络学习过程 | 第35页 |
3.3 MATLAB神经网络工具箱简介 | 第35-36页 |
3.4 神经网络模型的建立 | 第36-40页 |
3.4.1 确定信息表达方式 | 第36-38页 |
3.4.2 确立网络模型 | 第38-39页 |
3.4.3 网络参数的选取 | 第39页 |
3.4.4 网络训练和测试 | 第39-40页 |
3.5 预测结果处理及分析 | 第40-43页 |
3.6 本章小结 | 第43-45页 |
第四章 基于ANSYS的塔式车库优化设计 | 第45-67页 |
4.1 前言 | 第45页 |
4.2 基于离散变量的整体结构截面优化 | 第45-57页 |
4.2.1 基于ANSYS的优化过程简介 | 第46-47页 |
4.2.2 离散变量结构截面优化思想 | 第47-49页 |
4.2.3 整体结构截面离散变量优化的理论模型建立 | 第49-53页 |
4.2.4 ANSYS环境下基于离散变量的整体结构截面优化 | 第53-55页 |
4.2.5 优化结果分析 | 第55-57页 |
4.3 基于层变离散的整体结构截面优化 | 第57-63页 |
4.3.1 层变离散优化的基本思想 | 第58-59页 |
4.3.2 ANSYS环境下基于层变离散的整体结构截面优化 | 第59-60页 |
4.3.3 优化结果 | 第60-63页 |
4.4 二种优化结果比较 | 第63-65页 |
4.5 本章小结 | 第65-67页 |
第五章 基于VISUAL STUDIO的塔式车库CAD/CAE软件开发 | 第67-91页 |
5.1 前言 | 第67页 |
5.2 平台开发工具简介 | 第67-68页 |
5.3 软件的开发 | 第68-83页 |
5.3.1 系统概述 | 第68页 |
5.3.2 软件需求分析 | 第68-70页 |
5.3.3 软件设计方案和框架 | 第70-78页 |
5.3.4 软件的详细编写 | 第78-83页 |
5.3.5 软件的打包 | 第83页 |
5.4 工程实例及软件使用说明 | 第83-89页 |
5.5 本章小结 | 第89-91页 |
第六章 结论与展望 | 第91-95页 |
6.1 研究工作与结论 | 第91-92页 |
6.2 创新点 | 第92页 |
6.3 不足与展望 | 第92-95页 |
参考 文献 | 第95-99页 |
致谢 | 第99-101页 |
攻读学位期间发表的学术论文及参与项目 | 第101页 |