建筑结构人工智能实验分析环境
发布时间：2021-02-07 04:28
长期以来,在结构工程领域,为了精确分析各种工程结构的工作性能和反应,人们提出和引入了各种分析理论及方法,并与时俱进地不断改进,使有限元为代表的结构数值模拟分析技术日渐强大。但是,两个显而易见的问题一直在挑战目前的结构分析理论与方法:一是结构分析理论与方法,无论是经验公式还是被广泛应用的有限元分析方法,都是建立在一定的基本假设基础之上,这使得结构的数值模拟结果与结构的实际工作性能与反应之间具有天然的缺欠,在许多复杂工程结构分析中误差太大、甚至失效。二是长期积累的数量巨大的现有试验数据仅用于回归分析或检测数值模拟精度,而这些数据中所包含的大量关于结构工作性能与反应的宝贵信息没有被充分发掘出来并加以利用,无形中造成了巨大浪费。因此,若想避免由基本假设引进的误差,提高结构分析的精度和有效性,则需寻找能够直接从结构的实际工作行为/反应出发,预测新结构工作行为/反应的结构分析方法;而试验数据的充分利用,则需要发展行之有效的从现有试验数据进行知识挖掘的方法。（1）为了解决上述问题,本文在实验数据和人工智能方法的“建筑结构人工智能实验分析环境（AIEESA）”的概念基础上,创建了相应的集成分析系统。“...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：169 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题背景及研究的目的和意义
1.1.1 传统结构分析技术的缺陷
1.1.2 智能技术用于结构分析的优势与困难
1.1.3 研究课题的目的和意义
1.2 国内外智能技术在土木工程领域应用
1.2.1 国内智能技术在土木工程领域的应用
1.2.2 国外智能技术在土木工程领域的应用
1.3 研究过程中提出的问题
1.4 本文研究的主要内容
第2章 建筑结构人工智能实验分析环境及其数据库与数据挖掘
2.1 引言
2.2 建筑结构人工智能实验分析环境
2.2.1 建筑结构人工智能实验分析环境的概念
2.2.2 建筑结构人工智能实验分析环境构成
2.2.3 建筑结构人工智能实验分析环境涉及的研究课题
2.3 建筑结构人工智能实验分析环境数据库
2.3.1 结构行为
2.3.2 标准化的结构行为
2.3.3 结构反应
2.4 知识发现方法
2.5 本章小结
第3章 结构工作行为与结构构造状态数值模式
3.1 引言
3.2 结构工作行为数值模式
3.2.1 结构工作行为数值模式
3.2.2 广义墙板矩阵及相似度
3.3 结构构造状态数值模式
3.3.1 细胞自动机模型
3.3.2 基于FEA 的无量纲化模型
3.4 本章小结
第4章 类似区域与结构工作行为匹配准则
4.1 引言
4.2 类似区域匹配准则1
4.2.1 数学表达
4.2.2 应用结果
4.2.3 结果分析
4.3 类似区域匹配准则2
4.3.1 数学表达
4.3.2 应用结果
4.3.3 结果分析
4.4 类似区域匹配准则3
4.4.1 数学表达
4.4.2 应用结果
4.4.3 结果分析
4.5 三种类似区域类似区域匹配准则的比较
4.6 行为匹配准则
4.7 本章小结
第5章 建筑结构人工智能实验分析环境的变异性预测功能
5.1 引言
5.2 建筑结构人工智能实验分析环境的变异性预测功能介绍
5.3 不考虑结构边界变异的结构构造与工作行为变异性描述
5.3.1 相似度曲线
5.3.2 相似度曲线包络线的回归分析
5.3.3 包络线系数的支持向量机模型
5.4 考虑结构边界变异的结构工作行为变异性描述
5.4.1 结构边界变异现象
5.4.2 边界变异参数分析
5.5 本章小结
第6章 建筑结构人工智能实验分析环境中神经网络模型
6.1 引言
6.2 BP 神经网络模型
6.2.1 神经网络模型的输入与输出
6.2.2 BP 神经网络模型的建立
6.2.3 BP 神经网络模型的应用
6.2.4 BP 神经网络模型应用的精度分析
6.3 RBF 神经网络模型
6.3.1 RBF 神经网络模型的建立
6.3.2 RBF 神经网络模型的应用
6.3.3 RBF 神经网络模型应用的精度分析
6.4 RA 神经网络模型
6.4.1 RA 神经网络模型的建立
6.4.2 RA 神经网络模型的应用
6.4.3 RA 神经网络模型应用的精度分析
6.5 建筑结构人工智能实验分析环境的应用
6.5.1 基于结构的标准化工作模式和CA 构造状态模式的预测实例1
6.5.2 基于结构的试验工作模式和CA 构造状态模式的预测实例2
6.5.3 基于结构的试验工作模式和FEA 无量纲化构造状态模式的预测实例3
6.5.4 基于结构的试验工作模式和CA 构造状态模式的预测实例4
6.5.5 AIEESA 预测实例讨论及与有限元结果对比
6.6 本章小结
结论
附录A 类似区域匹配准则1 应用结果
附录B 类似区域匹配准则2 应用结果
附录C 类似区域匹配准则3 应用结果
参考文献
攻读博士学位期间发表的论文及其它成果
致谢
个人简历
【参考文献】：
期刊论文
[1]裂隙花岗岩各向异性蠕变特性研究[J]. 潘鹏志,冯夏庭,申林方,杨金保,周辉. 岩石力学与工程学报. 2011(01)
[2]单层球面网壳地震荷载下破坏模式的细胞自动机预测[J]. 翟永梅,崔志刚. 力学季刊. 2010(03)
[3]混凝土结构钢筋锈蚀率BP神经网络预测模型[J]. 冷艳玲,张劲泉,毛燕. 西部交通科技. 2010(05)
[4]基于小波神经网络的锚杆-围岩结构系统的识别[J]. 陈建功,李昕,张永兴. 煤炭学报. 2009(10)
[5]基于神经网络的混凝土梁斜裂缝宽度预测[J]. 李艳艳,戎贤,乔金丽,皮凤梅. 河北工业大学学报. 2009(04)
[6]基于BP人工神经网络的冻土融沉系数预测方法研究[J]. 王效宾,杨平. 森林工程. 2008(05)
[7]基于神经网络的高温下(后)预应力损失分析[J]. 薛苏泉,袁广林,吕志涛. 武汉理工大学学报(交通科学与工程版). 2008(03)
[8]基于多分支神经网络的深基坑变形多点预测[J]. 周先存,常光明,刘仁金. 合肥工业大学学报(自然科学版). 2008(05)
[9]古建筑木质结构物理性质变化预测[J]. 安彧,尚涛. 武汉大学学报(工学版). 2008(02)
[10]开挖损伤区近场模型THM耦合过程的BMT模拟[J]. 潘鹏志,冯夏庭,周辉. 岩石力学与工程学报. 2007(12)
博士论文
[1]基于实验数据挖掘与细胞自动机的结构分析方法[D]. 张瑀.哈尔滨工业大学 2010
硕士论文
[1]预测砌体墙板破坏模式的支持向量机方法[D]. 阚绍德.哈尔滨工业大学 2008
本文编号：3021655
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：169 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题背景及研究的目的和意义
1.1.1 传统结构分析技术的缺陷
1.1.2 智能技术用于结构分析的优势与困难
1.1.3 研究课题的目的和意义
1.2 国内外智能技术在土木工程领域应用
1.2.1 国内智能技术在土木工程领域的应用
1.2.2 国外智能技术在土木工程领域的应用
1.3 研究过程中提出的问题
1.4 本文研究的主要内容
第2章 建筑结构人工智能实验分析环境及其数据库与数据挖掘
2.1 引言
2.2 建筑结构人工智能实验分析环境
2.2.1 建筑结构人工智能实验分析环境的概念
2.2.2 建筑结构人工智能实验分析环境构成
2.2.3 建筑结构人工智能实验分析环境涉及的研究课题
2.3 建筑结构人工智能实验分析环境数据库
2.3.1 结构行为
2.3.2 标准化的结构行为
2.3.3 结构反应
2.4 知识发现方法
2.5 本章小结
第3章 结构工作行为与结构构造状态数值模式
3.1 引言
3.2 结构工作行为数值模式
3.2.1 结构工作行为数值模式
3.2.2 广义墙板矩阵及相似度
3.3 结构构造状态数值模式
3.3.1 细胞自动机模型
3.3.2 基于FEA 的无量纲化模型
3.4 本章小结
第4章 类似区域与结构工作行为匹配准则
4.1 引言
4.2 类似区域匹配准则1
4.2.1 数学表达
4.2.2 应用结果
4.2.3 结果分析
4.3 类似区域匹配准则2
4.3.1 数学表达
4.3.2 应用结果
4.3.3 结果分析
4.4 类似区域匹配准则3
4.4.1 数学表达
4.4.2 应用结果
4.4.3 结果分析
4.5 三种类似区域类似区域匹配准则的比较
4.6 行为匹配准则
4.7 本章小结
第5章 建筑结构人工智能实验分析环境的变异性预测功能
5.1 引言
5.2 建筑结构人工智能实验分析环境的变异性预测功能介绍
5.3 不考虑结构边界变异的结构构造与工作行为变异性描述
5.3.1 相似度曲线
5.3.2 相似度曲线包络线的回归分析
5.3.3 包络线系数的支持向量机模型
5.4 考虑结构边界变异的结构工作行为变异性描述
5.4.1 结构边界变异现象
5.4.2 边界变异参数分析
5.5 本章小结
第6章 建筑结构人工智能实验分析环境中神经网络模型
6.1 引言
6.2 BP 神经网络模型
6.2.1 神经网络模型的输入与输出
6.2.2 BP 神经网络模型的建立
6.2.3 BP 神经网络模型的应用
6.2.4 BP 神经网络模型应用的精度分析
6.3 RBF 神经网络模型
6.3.1 RBF 神经网络模型的建立
6.3.2 RBF 神经网络模型的应用
6.3.3 RBF 神经网络模型应用的精度分析
6.4 RA 神经网络模型
6.4.1 RA 神经网络模型的建立
6.4.2 RA 神经网络模型的应用
6.4.3 RA 神经网络模型应用的精度分析
6.5 建筑结构人工智能实验分析环境的应用
6.5.1 基于结构的标准化工作模式和CA 构造状态模式的预测实例1
6.5.2 基于结构的试验工作模式和CA 构造状态模式的预测实例2
6.5.3 基于结构的试验工作模式和FEA 无量纲化构造状态模式的预测实例3
6.5.4 基于结构的试验工作模式和CA 构造状态模式的预测实例4
6.5.5 AIEESA 预测实例讨论及与有限元结果对比
6.6 本章小结
结论
附录A 类似区域匹配准则1 应用结果
附录B 类似区域匹配准则2 应用结果
附录C 类似区域匹配准则3 应用结果
参考文献
攻读博士学位期间发表的论文及其它成果
致谢
个人简历
【参考文献】：
期刊论文
[1]裂隙花岗岩各向异性蠕变特性研究[J]. 潘鹏志,冯夏庭,申林方,杨金保,周辉. 岩石力学与工程学报. 2011(01)
[2]单层球面网壳地震荷载下破坏模式的细胞自动机预测[J]. 翟永梅,崔志刚. 力学季刊. 2010(03)
[3]混凝土结构钢筋锈蚀率BP神经网络预测模型[J]. 冷艳玲,张劲泉,毛燕. 西部交通科技. 2010(05)
[4]基于小波神经网络的锚杆-围岩结构系统的识别[J]. 陈建功,李昕,张永兴. 煤炭学报. 2009(10)
[5]基于神经网络的混凝土梁斜裂缝宽度预测[J]. 李艳艳,戎贤,乔金丽,皮凤梅. 河北工业大学学报. 2009(04)
[6]基于BP人工神经网络的冻土融沉系数预测方法研究[J]. 王效宾,杨平. 森林工程. 2008(05)
[7]基于神经网络的高温下(后)预应力损失分析[J]. 薛苏泉,袁广林,吕志涛. 武汉理工大学学报(交通科学与工程版). 2008(03)
[8]基于多分支神经网络的深基坑变形多点预测[J]. 周先存,常光明,刘仁金. 合肥工业大学学报(自然科学版). 2008(05)
[9]古建筑木质结构物理性质变化预测[J]. 安彧,尚涛. 武汉大学学报(工学版). 2008(02)
[10]开挖损伤区近场模型THM耦合过程的BMT模拟[J]. 潘鹏志,冯夏庭,周辉. 岩石力学与工程学报. 2007(12)
博士论文
[1]基于实验数据挖掘与细胞自动机的结构分析方法[D]. 张瑀.哈尔滨工业大学 2010
硕士论文
[1]预测砌体墙板破坏模式的支持向量机方法[D]. 阚绍德.哈尔滨工业大学 2008
本文编号：3021655
本文链接：https://www.wllwen.com/kejilunwen/rengongzhinen/3021655.html
