沿海环境多因素耦合条件结构剩余寿命预测
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文主要工作 | 第16页 |
| 1.4 本文技术路线 | 第16-18页 |
| 2 剩余寿命的相关理论 | 第18-46页 |
| 2.1 灰色系统理论 | 第18-22页 |
| 2.1.1 等周期灰色预测 | 第18-20页 |
| 2.1.2 非等周期灰色预测和多因素灰色预测模型 | 第20-22页 |
| 2.2 神经网络理论 | 第22-31页 |
| 2.2.1 人工神经网络的基本介绍 | 第22-24页 |
| 2.2.2 人工神经网络的分类 | 第24-25页 |
| 2.2.3 神经网络的学习方式 | 第25-26页 |
| 2.2.4 BP神经网络 | 第26-28页 |
| 2.2.5 BP神经网络的设计 | 第28-29页 |
| 2.2.6 BP神经网络的优缺点 | 第29-31页 |
| 2.3 样本优化理论和模型优化理论 | 第31-34页 |
| 2.3.1 主成分分析法优化样本维度 | 第31页 |
| 2.3.2 遗传算法优化神经网络 | 第31-34页 |
| 2.4 混凝土结构劣化理论 | 第34-42页 |
| 2.4.1 混凝土裂缝 | 第34-35页 |
| 2.4.2 混凝土碳化 | 第35-36页 |
| 2.4.3 氯离子侵蚀 | 第36-38页 |
| 2.4.4 化学腐蚀 | 第38-39页 |
| 2.4.5 冻融环境 | 第39页 |
| 2.4.6 混凝土碱骨料反应 | 第39-40页 |
| 2.4.7 混凝土表面劣化 | 第40-41页 |
| 2.4.8 钢筋锈蚀 | 第41-42页 |
| 2.5 混凝土损伤程度定量化 | 第42-43页 |
| 2.6 剩余寿命预测模型的选取 | 第43-45页 |
| 2.7 本章小结 | 第45-46页 |
| 3 灰色神经网络模型的建立 | 第46-54页 |
| 3.1 单因素灰色BP神经网络的建立 | 第46-48页 |
| 3.2 灰色神经网络参数的选取 | 第48-49页 |
| 3.3 多因素灰色BP神经网络的建立 | 第49-51页 |
| 3.4 输入样本的优化 | 第51-52页 |
| 3.5 利用遗传算法优化灰色神经网络的权值和阈值 | 第52-53页 |
| 3.6 本章小结 | 第53-54页 |
| 4 灰色神经网络预测结构剩余寿命实例 | 第54-73页 |
| 4.1 工程概况 | 第54-55页 |
| 4.2 桥梁主要影响因素的确定 | 第55-62页 |
| 4.2.1 数据的采集 | 第57-62页 |
| 4.2.2 数据的整理 | 第62页 |
| 4.3 灰色神经网络模型的建立 | 第62-67页 |
| 4.4 遗传算法优化灰色神经网络 | 第67-70页 |
| 4.5 多种损伤程度模型的对比 | 第70-71页 |
| 4.6 剩余寿命预测模型的程序实现 | 第71-72页 |
| 4.7 本章小结 | 第72-73页 |
| 5 结论与展望 | 第73-75页 |
| 5.1 结论 | 第73页 |
| 5.2 展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-78页 |
