桥梁断面气动参数的人工神经网络识别
| 第1章 绪论 | 第1-12页 |
| 1．1 人工神经网络的特点与应用 | 第9-10页 |
| 1．2 桥梁风工程的现状 | 第10-11页 |
| 1．2．1 静风荷载作用 | 第10页 |
| 1．2．2 空气静力失稳 | 第10页 |
| 1．2．3 颤振和驰振 | 第10页 |
| 1．2．4 抖振和涡激共振 | 第10-11页 |
| 1．3 论文的主要工作 | 第11-12页 |
| 第2章 人工神经网络概述 | 第12-23页 |
| 2．1 人工神经元 | 第12-14页 |
| 2．2 人工神经网络结构 | 第14-15页 |
| 2．3 人工神经网络学习算法 | 第15-21页 |
| 2．3．1 权值固定型 | 第16页 |
| 2．3．2 随机给定型 | 第16页 |
| 2．3．3 Hebbian学习规则 | 第16页 |
| 2．3．4 竞争型学习规则 | 第16页 |
| 2．3．5 δ学习规则 | 第16-17页 |
| 2．3．6 BP神经网络的学习算法 | 第17-21页 |
| 2．4 BP网络的特点 | 第21-23页 |
| 第3章 风工程的基本理论 | 第23-27页 |
| 3．1 风的静力作用 | 第23-24页 |
| 3．2 风的动力作用 | 第24-27页 |
| 3．2．1 Theodorson平板空气力公式 | 第24-25页 |
| 3．2．2 钝体截面的空气力 | 第25-27页 |
| 第4章 理想薄平板气动导数的识别 | 第27-33页 |
| 4．1 理想薄平板ANN模型的构造与训练 | 第27-30页 |
| 4．1．1 数据的处理 | 第28-29页 |
| 4．1．2 隐层单元数量 | 第29页 |
| 4．1．3 训练次数 | 第29页 |
| 4．1．4 随机赋值次数 | 第29页 |
| 4．1．5 样本数量 | 第29-30页 |
| 4．1．6 训练稳定性 | 第30页 |
| 4．2 训练结果及分析 | 第30-32页 |
| 4．3 结论与建议 | 第32-33页 |
| 第5章 扁平箱梁气动导数的识别 | 第33-47页 |
| 5．1 试验概况 | 第33-41页 |
| 5．1．1 试验的设计 | 第33-34页 |
| 5．1．2 试验内容 | 第34页 |
| 5．1．3 试验结果 | 第34-38页 |
| 5．1．4 理论计算值与试验值的比较 | 第38-41页 |
| 5．2 人工神经网络模型的构造与训练 | 第41-44页 |
| 5．2．1 输入输出的确定 | 第41页 |
| 5．2．2 模型的构造 | 第41页 |
| 5．2．3 模型训练结果的评价 | 第41-42页 |
| 5．2．4 训练数据的前后处理 | 第42页 |
| 5．2．5 模型的训练 | 第42-44页 |
| 5．3 人工神经网络识别结果 | 第44-45页 |
| 5．4 结论与建议 | 第45-47页 |
| 第6章 扁平箱梁静力三分力系数的识别 | 第47-54页 |
| 6．1 人工神经网络模型的构造与训练 | 第47-52页 |
| 6．1．1 输入与输出的确定 | 第47页 |
| 6．1．2 模型的构造 | 第47页 |
| 6．1．3 模型训练结果的评价 | 第47页 |
| 6．1．4 训练数据的前后处理 | 第47页 |
| 6．1．5 模型的训练 | 第47-49页 |
| 6．1．6 训练结果数据分析 | 第49-51页 |
| 6．1．7 力矩系数的学习 | 第51-52页 |
| 6．1．8 训练中的几个问题 | 第52页 |
| 6．2 径向基函数网络简介及其对力矩系数的识别 | 第52-53页 |
| 6．3 结论与建议 | 第53-54页 |
| 结论 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 攻读学位期间发表的论文及科研实践 | 第59页 |
