| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 前言 | 第9-16页 |
| 1.1 问题的提出 | 第9-10页 |
| 1.2 国内外工程振动破坏实例 | 第10-11页 |
| 1.2.1 机组振动引发结构振动 | 第10页 |
| 1.2.2 泄流诱发结构振动 | 第10-11页 |
| 1.3 国内外结构振动研究现状 | 第11-12页 |
| 1.4 某厂顶溢流式水电站概况及原型观测布置 | 第12-14页 |
| 1.4.1 工程概况 | 第12页 |
| 1.4.2 测点布置及数据提取 | 第12-14页 |
| 1.5 本论文主要研究内容 | 第14-16页 |
| 第二章 神经网络和智能优化算法 | 第16-32页 |
| 2.1 神经网络 | 第16-26页 |
| 2.1.1 神经网络概述 | 第16-18页 |
| 2.1.2 径向基神经网络 | 第18-21页 |
| 2.1.3 广义回归神经网络 | 第21-23页 |
| 2.1.4 BP 神经网络 | 第23-25页 |
| 2.1.5 ELMAN 神经网络 | 第25-26页 |
| 2.2 智能优化算法 | 第26-30页 |
| 2.2.1 果蝇优化算法 | 第26-28页 |
| 2.2.2 粒子群优化算法 | 第28-30页 |
| 2.3 智能算法优化神经网络研究 | 第30-31页 |
| 2.4 本章小节 | 第31-32页 |
| 第三章 机组振动引发厂房结构振动响应预测研究 | 第32-55页 |
| 3.1 基于 FOA-GRNN 的厂房结构振动响应预测 | 第32-39页 |
| 3.1.1 FOA-GRNN 基本理论 | 第32页 |
| 3.1.2 FOA-GRNN 实例仿真 | 第32-38页 |
| 3.1.3 小结 | 第38-39页 |
| 3.2 基于 SSPSO-GRNN 厂房结构振动响应预测 | 第39-55页 |
| 3.2.1 基于优胜劣汰、步步选择的粒子群优化算法 | 第39-43页 |
| 3.2.2 SSPSO-GRNN 振动响应预测 | 第43-54页 |
| 3.2.3 小结 | 第54-55页 |
| 第四章 泄流诱发厂房结构振动响应预测 | 第55-65页 |
| 4.1 智能算法优化径向基神经网络 | 第55-57页 |
| 4.1.1 PSO-RBF 模型 | 第55-56页 |
| 4.1.2 GA-RBF 模型 | 第56页 |
| 4.1.3 FOA-RBF 模型 | 第56-57页 |
| 4.2 泄流诱发振动响应预测 | 第57-64页 |
| 4.2.1 样本选取 | 第57-58页 |
| 4.2.2 主成分分析 | 第58-60页 |
| 4.2.3 模型的创建及训练 | 第60页 |
| 4.2.4 模型的测试效果分析 | 第60-64页 |
| 4.3 本章小结 | 第64-65页 |
| 第五章 结论与展望 | 第65-67页 |
| 5.1 结论 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 发表论文和科研情况说明 | 第72-73页 |
| 致谢 | 第73页 |
