首页--工业技术论文--建筑科学论文--建筑结构论文--结构理论、计算论文

基于响应面方法的复杂结构模型修正方法研究

论文创新点第1-7页
摘要第7-8页
ABSTRACT第8-13页
1 绪论第13-30页
   ·研究的背景与意义第13页
   ·模型修正技术概述第13-18页
     ·模型修正的概念第13-16页
     ·模型修正技术的功能第16页
     ·传统的模型修正技术的基本原理第16-18页
     ·模型修正方法的分类第18页
   ·模型修正技术的研究进展第18-25页
     ·矩阵型修正方法第19-22页
     ·参数型修正方法第22-23页
     ·模型修正方法在我国的发展第23-25页
   ·传统的模型修正技术中存在的问题第25-26页
   ·本文的研究内容与技术路线第26-30页
2 基于响应面的模型修正方法(一)第30-57页
   ·基于响应面方法的模型修正方法的提法及其意义第30页
   ·响应面方法的改进研究第30-49页
     ·响应面方法的基本原理第30-34页
     ·响应面方法的研究进展第34-36页
     ·响应面方法在结构动力模型修正中应用的步骤与研究重点第36-39页
     ·响应面的试验设计方法第39-40页
     ·样本点的选取策略第40-41页
     ·响应面的检验第41-44页
     ·获得参数修正结果第44-45页
     ·结构动力模型修正中构造响应面的基本步骤第45页
     ·传统响应面方法在模型修正中应用时存在的问题第45-46页
     ·量纲分析方法及其对构造响应面的启示第46-47页
     ·传统响应面的改进—基于量纲分析的响应面模型构造方法第47-48页
     ·基于量纲分析的响应面函数确定方法第48-49页
   ·基于RSM的结构模型修正简单算例第49-56页
     ·算例1—悬臂梁静力模型修正第49-52页
     ·算例2—两层刚架动力模型修正第52-56页
   ·本章小结第56-57页
3 基于响应面的模型修正方法(二)第57-93页
   ·引言第57-58页
   ·统计学习理论基础第58-67页
     ·机器学习第58-59页
     ·基于数据的机器学习问题模型第59-60页
     ·经验风险最小化原则第60-62页
     ·统计学习理论第62-67页
   ·支持向量机基础第67-80页
     ·用于分类的支持向量机第68-73页
     ·用于回归的支持向量机第73-76页
     ·支持向量机的算法描述第76页
     ·支持向量机参数的选择第76-77页
     ·支持向量机的研究进展第77-80页
   ·用于模型修正的响应面方法的机器学习描述第80-81页
   ·基于统计学习理论的模型修正方法的基本原理第81-87页
     ·基于SVR的RSM模型拟合方法第81-83页
     ·基于SVR的RSM过程优化方法第83-85页
     ·试验设计方法第85-87页
   ·基于支持向量机的响应面方法的基本步骤第87-88页
   ·利用虚拟样本生成技术补充样本第88-89页
   ·基于支持向量机构造响应面的模型修正方法的步骤与过程第89页
   ·简单算例与比较第89-92页
     ·算例1—悬臂梁静力模型修正第89-91页
     ·算例2—两层刚架动力模型修正第91-92页
   ·本章小结第92-93页
4 抽水蓄能电站地下厂房结构模型修正实践第93-116页
   ·引言第93-94页
   ·对于抽水蓄能电站地下厂房结构振动问题的若干认识第94-95页
   ·基本资料与假设第95-101页
     ·工程概况第95-96页
     ·研究目标第96页
     ·基本资料与假设第96-99页
     ·有限元模型第99-101页
   ·实际结构模态测试结果第101-104页
     ·测试方法第101-102页
     ·测点布置第102页
     ·结构振动特性测试结果第102-104页
   ·抽水蓄能电站地下厂房结构模型修正第104-113页
     ·修正目标的确定第104页
     ·自振频率与主振型的计算方法第104-105页
     ·初步计算结果第105页
     ·修正参数的选择第105-108页
     ·试验设计与样本点获取第108页
     ·响应面构造与检验第108-111页
     ·模型修正后的结构动力特性第111-113页
   ·本章小结第113-116页
5 总结与展望第116-119页
   ·全文总结第116页
   ·研究展望第116-119页
     ·复杂结构模型修正技术第117页
     ·基于响应面方法的模型修正技术第117页
     ·基于统计学习理论与支持向量机方法的模型修正技术第117-119页
参考文献第119-131页
攻读博士期间发表的论文第131-132页
致谢第132页

论文共132页,点击 下载论文
上一篇:锂二次电池有机电极材料的研究
下一篇:晚期糖基化修饰诱导β2微球蛋白聚集及其毒性机理研究