神经网络在叠合梁斜拉桥施工控制中的应用

摘要

江津观音岩长江大桥是主跨为436m的双塔双索面工字形钢梁和混凝土桥面板叠合梁斜拉桥。论文以江津观音岩长江大桥为工程背景，研究人工神经网络在叠合梁斜拉桥施工控制中的运用。
　　 目前，BP神经网络是运用最多、最广泛的一种神经网络。但是，由于BP网络自身算法原理上的缺陷，其存在可能陷入局部极小值、收敛速度慢、网络的泛化能力不强等缺点。针对上述问题，论文探索了将RBF网络和BP网络运用于叠合梁斜拉桥的施工控制中的可能性。
　　 论文先是详述了BP网络和RBF网络的基本理论原理。通过比较两者的异同，从理论上得出RBF网络作为一种局部逼近网络，在网络收敛速度和网络泛化能力方面优于采用全局逼近方式的BP网络的结论。论文接着详述了将BP网络和RBF网络运用于参数识别中的具体方法，通过在相同参数取值条件下两种网络的参数识别结果的精度和收敛速度的比较，从实例的角度证明了RBF网络优于BP网络的特点。
　　 在从理论和实例两个方面说明了RBF网络优于BP网络的基础上，论文探讨了将RBF网络用于主梁线形误差预测和中跨合龙段钢主梁切割长度确定的具体方法和可行性。
　　 最后，通过将人工神经网络用于解决江津观音岩长江大桥的上述三个方面问题，总结说明了将人工神经网络运用于叠合梁斜拉桥施工控制中的可行性。

目录

文摘

英文文摘

声明

第1章绪论

1.1叠合梁斜拉桥国内外发展现状

1.2叠合梁斜拉桥的特点及对施工控制的要求

1.3叠合梁斜拉桥的研究现状及待解决问题

1.4论文所研究课题的内容及意义

1.4本文的工程背景

1.5本文的主要研究内容及技术路线

第2章神经网络及两种常用的神经网络

2.1神经网络的基本概念原理和方法

2.1.1神经网络的基本概念和原理

2.1.2神经网络的基本结构-神经元

2.1.3神经网络的组成及一般拓扑结构形式

2.1.4神经网络的学习过程

2.1.5神经网络的特性

2.2 BP神经网络

2.2.1 BP神经网络基本原理

2.2.2 BP神经网络的拓扑结构

2.2.3 BP神经网络的计算原理与公式推导

2.2.4 BP神经网络的基本算法的计算流程

2.2.5 BP神经网络算法的不足

2.3 RBF(径向基)神经网络

2.3.1 RBF网络的基本原理

2.3.1 RBF网络的拓扑结构

2.3.2 RBF网络的计算原理与公式推导

2.3.3 RBF神经网络的学习过程

2.3.4隐藏层神经元径向基函数的中心和宽度的确定

2.3.5 RBF神经网络的改进措施

2.4 RBF(径向基)神经网络与BP网络的比较

2.5本章小结

第3章神经网络在江津观音岩桥施工控制中的应用

3.1江津观音岩长江大桥参数敏感性分析

3.1.1敏感性分析的目的与意义

3.1.2参数敏感性分析的方法与步骤

3.1.3江津观音岩长江大桥参数敏感性分析计算结果

3.2神经网络在参数识别中的运用

3.2.1输入输出变量的确定

3.2.2训练样本集的建立

3.2.3数据的预处理-归一化

3.2.4 BP神经网络用于参数识别

3.2.5 RBF神经网络用于参数识别

3.3 RBF神经网络在线形误差预测中的运用

3.3.1输入输出变量的确定

3.3.2训练样本集的建立

3.3.3 RBF网络用于线形误差预测

3.4 RBF神经网络在合龙段钢梁切割长度确定中的运用

3.4.1输入输出变量的确定

3.4.2训练样本集的建立

3.4.3 RBF网络用于确定合理的合龙口间距

3.5本章小结

第4章神经网络的识别和预测结果分析

4.1 BP网络用于参数识别的结果

4.2 RBF网络用于参数识别的结果

4.2 RBF神经网络与BP网络参数识别结果比较分析

4.3 RBF神经网络用于线形误差预测

4.4 RBF神经网络用于合龙段钢主梁切割长度确定

4.5本章小结

结论与展望

致 谢

参考文献