声明
第一章 绪论
1.1 选题背景及研究意义
1.2 国内外研究现状
1.2.1 鲁棒控制方法及应用现状
1.2.2 智能算法的研究现状
1.2.3 有限状态观测器的研究进展
1.3 目前研究工作的不足
1.4 本文的主要工作
第二章 铁路钢桥鲁棒控制
2.1 引言
2.2 标称系统线性状态反馈H∞控制理论
2.2.1 标称系统受控方程
2.2.2 线性状态反馈H∞控制原理
2.3 鲁棒H∞控制理论
2.3.1 不确定性系统受控方程
2.3.2 不确定性系统鲁棒H∞控制原理
2.4 铁路钢桥工程概况及动力特性
2.4.1 工程背景及整体有限元模型
2.4.2 铁路钢桥模态分析
2.4.3 双向地震激励下的桥梁响应
2.4.4 列车荷载作用下的桥梁响应
2.5 AMD系统的布置和力学模型
2.6 线性状态反馈H∞控制效果
2.6.1 地震激励下线性状态反馈H∞控制效果
2.6.2 列车荷载下线性状态反馈H∞控制效果
2.7 鲁棒H∞控制效果
2.7.1 地震激励下鲁棒H∞控制效果
2.7.2 列车荷载下鲁棒H∞控制效果验证
2.8 本章小结
第三章 PSO-BP神经网络理论
3.1 引言
3.2 BP神经网络
3.2.1 BP神经网络原理
3.2.2 BP神经网络的运行
3.2.3 BP神经网络的局限性
3.3 粒子群优化算法
3.3.1 粒子群优化算法原理
3.3.2 PSO算法的运行流程
3.3.3 采用均匀设计方法确定PSO算法的参数
3.4 PSO-BP神经网络
3.5 基于PSO-BP算法的有限状态反馈设计流程
3.6 本章小结
第四章 基于PSO-BP算法的铁路钢桥有限状态反馈鲁棒控制
4.1 引言
4.2 基于PSO-BP神经网络的铁路钢桥加速度辨识器的构建
4.2.1 PSO-BP神经网络训练预测样本数据的选择
4.2.2 PSO-BP神经网络模型结构的确定
4.2.3 PSO-BP神经网络参数的选取
4.3 PSO-BP神经网络加速度响应预测
4.3.1 PSO算法的优化效果
4.3.2 PSO-BP神经网络全自由度加速度预测效果
4.4 铁路钢桥全状态响应的预测
4.4.1 结构全自由度速度响应预测
4.4.2 结构全自由度位移响应预测
4.5 基于PSO-BP神经网络预测的铁路钢桥控制力
4.6 PSO-BP神经网络预测效果的荷载鲁棒性
4.6.1 PSO-BP网络样本的选取、结构及参数的设计
4.6.2 PSO-BP网络全自由度加速度预测
4.6.3 PSO-BP神经网络全状态响应预测
4.6.4 基于PSO-BP神经网络的鲁棒H∞控制力预测
4.7 本章小结
第五章 结论与展望
5.1 结论
5.2 展望
参考文献
作者攻读硕士期间完成和发表的论文
作者攻读硕士学位期间参与的研究项目
致谢