基于神经网络的起重机械安全评价方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-11页 |
| ·研究的目的和意义 | 第7-8页 |
| ·起重机械安全评价方法研究的现状与发展 | 第8-10页 |
| ·论文的主要工作与结构安排 | 第10-11页 |
| 第2章 理论基础和主要技术 | 第11-22页 |
| ·人工神经网络 | 第11-18页 |
| ·人工神经网络的发展 | 第11-12页 |
| ·神经元模型和网络结构 | 第12-14页 |
| ·神经网络的特点和应用领域 | 第14-15页 |
| ·几种重要的神经网络 | 第15-16页 |
| ·神经网络研究现状和发展趋势 | 第16-18页 |
| ·信息熵理论 | 第18-19页 |
| ·热力学熵 | 第18页 |
| ·信息熵 | 第18-19页 |
| ·熵函数的性质 | 第19页 |
| ·模糊数学 | 第19-22页 |
| ·模糊集合 | 第20页 |
| ·隶属函数 | 第20-22页 |
| 第3章 起重机械安全评价指标体系的建立 | 第22-31页 |
| ·安全评价指标体系设计思路 | 第22页 |
| ·安全评价指标体系的设计原则 | 第22-23页 |
| ·危险源识别及安全评价指标体系的构建 | 第23-31页 |
| 第4章 基于神经网络的起重机械安全评价方法 | 第31-44页 |
| ·样本的模糊化离散处理 | 第31-33页 |
| ·基于概率神经网络的评价模型 | 第33-35页 |
| ·概率神经网络概述 | 第33-34页 |
| ·概率神经网络的参数设置 | 第34页 |
| ·学习效果分析 | 第34-35页 |
| ·基于RBF神经网络的分析方法 | 第35-38页 |
| ·RBF神经网络概述 | 第35-36页 |
| ·RBF神经网络的参数设置 | 第36页 |
| ·学习效果分析 | 第36-38页 |
| ·基于LM-BP神经网络的分析方法 | 第38-41页 |
| ·LM-BP神经网络概述 | 第38-39页 |
| ·LM-BP神经网络的参数设置 | 第39-40页 |
| ·学习效果分析 | 第40-41页 |
| ·实验结果对比与分析 | 第41-44页 |
| 第5章 基于B/S结构的安全评价系统的设计与实现 | 第44-53页 |
| ·系统设计 | 第44-46页 |
| ·用例分析 | 第44-45页 |
| ·逻辑分析 | 第45-46页 |
| ·对象状态 | 第46页 |
| ·复杂映射设计 | 第46-49页 |
| ·复杂映射问题 | 第46-47页 |
| ·码机制 | 第47-49页 |
| ·系统实现 | 第49-53页 |
| ·设备信息 | 第49页 |
| ·评价报告 | 第49-50页 |
| ·危险源信息 | 第50-51页 |
| ·设备安全评价 | 第51-52页 |
| ·神经网络配置 | 第52-53页 |
| 第6章 结论与展望 | 第53-55页 |
| ·主要工作和创新 | 第53-54页 |
| ·展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 攻读学位期间的研究成果 | 第58页 |
