文摘
英文文摘
第1章 绪论
1.1 课题的研究背景及来源
1.1.1 课题的研究背景
1.1.2 课题来源
1.2 研究现状
1.2.1 腐蚀管道的剩余强度评价模型
1.2.2 人工神经网络在剩余强度预测中的应用
1.2.3 遗传算法优化神经网络的应用
1.3 本论文主要研究内容及工作
第2章 腐蚀管道剩余强度预测
2.1 概述
2.2 环向腐蚀缺陷
2.3 轴向腐蚀缺陷
2.3.1 ASME B31G
2.3.2 Modified B31G
2.3.3 不同失效压力模型比较
2.4 腐蚀监测
2.4.1 腐蚀监测方法
2.4.2 腐蚀管道泄漏监测
2.5 本章小结
第3章 基于改进BP算法的腐蚀管道剩余强度预测
3.1 人工神经网络概述
3.1.1 国外发展简史及我国发展概况
3.1.2 人工神经网络的基本特点
3.1.3 神经网络的应用范围
3.2 神经网络模型
3.2.1 生物神经元
3.2.2 神经元模型
3.2.3 网络拓扑结构及工作方式
3.3 基于BP算法的多层感知器
3.3.1 多层感知器模型
3.3.2 三层感知器数学模型
3.3.3 误差反向传播算法
3.4 改进BP算法
3.4.1 Levenberg-Marquardt算法
3.4.2 加入动量项和自适应学习速率相结合的BP算法
3.4.3 弹性BP算法
3.5 基于改进BP算法的腐蚀管道剩余强度预测
3.5.1 构造样本训练集和测试集
3.5.2 网络拓扑结构的确定
3.5.3 网络的训练
3.5.4 网络的测试
3.6 本章小结
第4章 基于遗传算法优化神经网络的腐蚀管道剩余强度预测
4.1 遗传算法概述
4.1.1 发展简史
4.1.2 遗传算法的特点
4.2 遗传算法的理论基础
4.2.1 参数的编码
4.2.2 初始种群
4.2.3 遗传算子
4.2.4 适应度函数
4.2.5 控制参数选择
4.2.6 约束条件的处理
4.3 遗传算法的局限性与改进
4.3.1 遗传算法的局限性
4.3.2 遗传算法的改进
4.4 基于GA-BP网络的腐蚀管道剩余强度预测
4.4.1 遗传算法与人工神经网络的结合
4.4.2 基于GA-BP网络的腐蚀管道剩余强度预测
4.5 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
攻读硕士学位期间发表的论文