啪啪国产视频_一级高清毛片_日韩精品中文字幕在线观看_免费视频一区二区三区四区

　　【摘要】： 橋梁安全評估是橋梁管養重要的手段之一。目前,可靠度理論以其精確、直觀等優點得到了廣泛應用。在可靠度求解的眾多方法中,基于專家經驗的蒙特卡羅法應用最為普遍,但其存在效率低,適應性差、過度依靠專家經驗等缺陷。在利用蒙特卡羅法完成國家公關項目“橋梁遠程監測及可靠度評估”過程中,該方法得到了較精確的結果,但同時其弊端也很突出。為了更加廣泛的工程應用,必須提高可靠度評估的效率。隨著智能算法如神經網絡、遺傳算法等的發展,利用智能算法建立橋梁可靠度模型成為可能。 本文圍繞智能算法應用于橋梁可靠度評估課題完成了以下相關工作: 1.建立基于BP神經網絡的橋梁可靠度評估模型。對大跨度復雜結構橋梁中不必構建繁瑣的極限狀態方程,只需在關鍵位置布置傳感器監測重要參數,就可以運行模型來反映橋梁可靠度情況;同時,在評估過程中可根據橋梁壽命的發展再次啟動網絡學習,以實現符合橋梁壽命發展的可靠度評估模型建立和動態評估的效果;針對不同橋型結構受力的特點,調整BP神經網絡的輸入層和隱層就可以在不同的橋梁結構中進行可靠度評估,具有一定的通用型。 2.建立基于實數編碼遺傳算法優化BP神經網絡(GA-BP)橋梁可靠度評估模型。利用遺傳算法的容錯性、全局最優等特點優化BP神經網絡克服BP神經網絡易陷入局部最優、初始權值對收斂速度影響大等缺陷。同時,由于傳統基于二進制編碼的遺傳算法使得樣本信息出現跳躍,導致優化結果出現較大誤差,所以模型中采用了實數編碼。從而更精確反映橋梁可靠度。 3.采用PowerBuilder和SQL Server開發了基于專家經驗的蒙特卡羅法橋梁可靠度評估系統。此系統為基于實數編碼的遺傳算法優化BP神經網絡(GA-BP)構建橋梁可靠度評估模型進行工程化應用,提供了可以借鑒的設計思想和技術手段,為論文工作下一步研究及工程應用提供了有利保障。 論文最后用馬桑溪大橋的監測數據為樣本應用上述模型分別進行實驗并分析結果。實驗表明兩種新評估方法在效率上比蒙特卡羅法有很大的提高,在精度上能滿足橋梁可靠度評估工程化應用的要求;基于實數編碼的遺傳算法優化BP神經網絡(GA-BP)構建橋梁可靠度評估模型在學習精度上優于BP神經網絡構建橋梁可靠度評估模型。在一定程度上解決了傳統可靠度評估方法的缺點,為廣泛的工程應用提供了有價值的模型。 【關鍵詞】：可靠度 蒙特卡羅法 BP神經網絡 遺傳算法 橋梁
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2007
【分類號】：U441
【DOI】：CNKI:CDMD:2.2007.180546
【目錄】：

• 摘要3-4
• ABSTRACT4-9
• 1 緒論9-13
• 1.1 課題背景與意義9-10
• 1.1.1 橋梁安全可靠度評估的重要性9-10
• 1.1.2 智能計算方法對橋梁安全可靠度評估的意義10
• 1.1.3 本課題來源10
• 1.2 國內外研究現狀及存在的問題10-11
• 1.2.1 國內外的研究現狀10-11
• 1.2.2 目前研究工作中存在的問題11
• 1.3 論文工作的主要內容11-13
• 2 可靠度理論及其計算方法13-18
• 2.1 橋梁安全評估理論13
• 2.2 可靠度理論分析的基本理論13-15
• 2.2.1 結構可靠度與極限狀態13-14
• 2.2.2 失效概率14
• 2.2.3 可靠度指標14-15
• 2.3 可靠度計算方法15-17
• 2.3.1 結構點可靠度計算方法15-16
• 2.3.2 結構體系可靠度分析方法16-17
• 2.3.3 目前可靠度計算特點及發展17
• 2.4 本章小結17-18
• 3 智能計算理論及應用模型18-24
• 3.1 智能計算理論18
• 3.2 人工神經網絡理論及計算模型18-20
• 3.2.1 神經網絡理論18-19
• 3.2.2 神經網絡計算模型19
• 3.2.3 BP 神經網絡19
• 3.2.4 人工神經網絡應用19-20
• 3.3 遺傳算法20-22
• 3.3.1 遺傳算法理論及計算模型20-21
• 3.3.2 遺傳算法應用21-22
• 3.4 神經網絡與遺傳算法的結合22-23
• 3.5 智能計算在工程領域的實踐23
• 3.6 本章小結23-24
• 4 基于遺傳算法-神經網絡的橋梁安全可靠度評估24-52
• 4.1 橋梁結構健康監測24-25
• 4.2 基于蒙特卡羅法、PENT 法的橋梁安全可靠度評估25-28
• 4.2.1 截面可靠度的計算25
• 4.2.2 截面彎矩功能函數25
• 4.2.3 截面抗力計算25-26
• 4.2.4 恒載截面彎矩計算26-27
• 4.2.5 由監測數據反算的截面彎矩計算27
• 4.2.6 體系可靠度計算27-28
• 4.2.7 蒙特卡羅法28
• 4.3 基于人工神經網絡的橋梁可靠度評估模型28-30
• 4.3.1 kolmogorov 多層神經網絡映射存在定理29
• 4.3.2 BP 神經網絡及設計29-30
• 4.4 遺傳算法優化神經網絡30-33
• 4.4.1 實數編碼方式31-32
• 4.4.2 適應度函數設計32
• 4.4.3 初始化種群32
• 4.4.4 遺傳算子32-33
• 4.5 基于實數編碼GA－BP 神經網絡的馬桑溪大橋結構可靠度分析33-34
• 4.5.1 BP 神經網絡結構設計33
• 4.5.2 遺傳算法優化BP 神經網絡33-34
• 4.6 基于橋梁可靠度指標自然發展的動態模型34
• 4.7 實驗設計34-50
• 4.7.1 馬桑溪長江大橋基本資料34-35
• 4.7.2 斜拉橋失效模式分析35-36
• 4.7.3 基于馬桑溪大橋監測數據的ANN 學習測試樣本的構造36-42
• 4.7.4 實驗過程42-50
• 4.8 實驗結果評價及分析50-51
• 4.9 本章小結51-52
• 5 橋梁遠程監測及評估系統52-60
• 5.1 橋梁遠程監測及評估的意義及市場需求52
• 5.2 系統設計52-59
• 5.2.1 系統架構52-53
• 5.2.2 系統關鍵問題及解決方法53-55
• 5.2.3 系統技術路線55
• 5.2.4 系統功能55-59
• 5.3 可靠度評估系統應用狀況及發展59
• 5.4 本章小結59-60
• 6 結論及發展60-63
• 6.1 論文總結60-61
• 6.1.1 論文研究內容的特點60
• 6.1.2 論文研究所完成的工作60-61
• 6.1.3 論文研究的工程應用價值61
• 6.2 論文研究內容未來需進一步發展的方向61-62
• 6.3 本章小結62-63
• 致謝63-64
• 參考文獻64-67
• 附錄 作者在攻讀碩士學位期間的其它工作67