基于神经网络的桥梁移动荷载识别
| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 第1章 绪论 | 第12-16页 |
| ·移动荷载识别研究的目的和意义 | 第12-13页 |
| ·移动荷载识别的研究现状 | 第13-15页 |
| ·本文的主要工作 | 第15-16页 |
| 第2章 基于BP神经网络的移动荷载识别理论 | 第16-34页 |
| ·人工神经网络概述 | 第16-21页 |
| ·人工神经网络的基本原理和模型 | 第16-18页 |
| ·人工神经网络的学习规则和学习任务 | 第18-21页 |
| ·BP神经网络的工作原理 | 第21-25页 |
| ·基于BP神经网络的移动荷载识别 | 第25-33页 |
| ·神经网络样本的选择与处理 | 第26-30页 |
| ·神经网络拓扑结构的设计 | 第30-32页 |
| ·神经网络参数的确定 | 第32页 |
| ·神经网络精度的评价 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 BP神经网络的权值优化 | 第34-49页 |
| ·蜂王遗传算法 | 第34-36页 |
| ·蚁群算法 | 第36-39页 |
| ·蚁群算法的生物学原理 | 第36-37页 |
| ·蚁群算法用于优化神经网络权值 | 第37-39页 |
| ·微粒群算法 | 第39-43页 |
| ·微粒群算法的基本原理 | 第39-40页 |
| ·微粒群算法的改进 | 第40-42页 |
| ·微粒群算法用于优化神经网络权值 | 第42-43页 |
| ·混合微粒群算法 | 第43-48页 |
| ·算法基本原理 | 第43-44页 |
| ·算法测试 | 第44-46页 |
| ·混合微粒群算法用于优化神经网络权值 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 移动荷载识别的仿真计算 | 第49-77页 |
| ·正交异性板的移动荷载识别 | 第49-65页 |
| ·识别模型 | 第49页 |
| ·识别荷载 | 第49-50页 |
| ·识别过程 | 第50-52页 |
| ·识别结果 | 第52-65页 |
| ·钢管混凝土桥的移动荷载识别 | 第65-70页 |
| ·识别模型 | 第65-67页 |
| ·识别荷载 | 第67页 |
| ·识别过程 | 第67-68页 |
| ·识别结果 | 第68-70页 |
| ·悬索桥的移动荷载识别 | 第70-75页 |
| ·识别模型 | 第70-72页 |
| ·识别荷载 | 第72-73页 |
| ·识别过程 | 第73页 |
| ·识别结果 | 第73-75页 |
| ·本章小结 | 第75-77页 |
| 结论 | 第77-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 攻读硕士学位期间发表的论文及参与科研项目 | 第86页 |
