遗传算法和神经网络在寻求箱梁剪力滞位移函数中的应用

摘要

该文通过合理选择箱梁计算模型,得出几种模型的有限元结果,将数据整理归类,采用遗传算法进行拟合参数选择,以拟合多项式来调整剪力滞位移函数.神经网络目前在预测、分类、模式识别、非线性回归、过程控制等各种数据处理场合得到大量应用.该文利用BP网络来建立拟合参数与箱梁模型几何尺寸、载荷特性等之间的非线性映射关系,通过网络的自学习功能得到稳定的网络.针对不同的箱梁几何特性、载荷形式、边界条件,网络有对应的位移函数调整系数多项式输出,从而构造了带调整系数的位移函数,避免了叠加原理修正的位移函数带来的计算偏差. 文章的最后给出了两个算例,算例表明该方法具有精度高、计算简便等特点,适用于工程实践中剪力滞计算.该文的创新之处在于:①采用分段函数拟合顶板位移函数;②采用神经网络方法识别位移函数;③用调整系数修改位移函数.为薄壁箱梁的剪力滞效应分析提供了新的思路和方法.

目录

文摘

英文文摘

第1章绪论

1.1问题的提出

1.1.1箱形梁的优点

1.1.2箱梁的发展趋势

1.1.3工程背景

1.2剪力滞概述

1.2.1剪力滞的定义

1.2.2剪力滞研究的历史与现状

1.2.3常见的几种研究方法

1.2.4位移函数的常见形式及其缺点

1.3箱梁设计中的剪力滞问题

1.4论文主要内容

1.5研究的目的、方法和意义

1.5.1目的

1.5.2方法

1.5.3意义

第2章遗传算法和神经网络

2.1遗传算法

2.1.1常用数据拟合方法

2.1.2遗传算法的拟合优势

2.1.3遗传算法概述

2.2神经网络

2.2.1神经网络概述

2.2.2 BP网络

第3章箱形梁的有限元计算

3.1剪力滞分析模型的选择

3.1.1箱梁形式和简化方法

3.1.2计算分类

3.2有限元求解

3.3数据整理

3.4数据分析

第4章参数拟合

4.1分段拟合的必要性

4.2求解剪力滞系数

4.3遗传算法拟合步骤

4.4数据拟合

第5章网络识别

5.1 BP网络程序

5.2单元选择

5.3网络训练

5.3.1网络总体参数

5.3.2底板部分网络

5.3.3顶板内侧部分网络

5.3.4悬臂部分网络

5.4网络测试

5.5位移函数

第6章剪力滞问题的算例

6.1算例1

6.2算例2

6.2.1模型及参数

6.2.2计算

6.2.3结果对照

6.3结论与展望

致 谢

参考文献

攻读学位期间发表的论文