摘要3-4
ABSTRACT4-7
第1章 绪论7-11
1.1 探讨的目的和作用7-8
1.2 起重机械安全评价策略探讨的近况与进展8-10
1.3 论文的主要工作与结构安排10-11
第2章 论述基础和主要技术11-22
2.1 人工神经网络11-18
2.1.1 人工神经网络的进展11-12
2.1.2 神经元模型和网络结构12-14
2.1.3 神经网络的特点和运用领域14-15
2.1.4 几种重要的神经网络15-16
2.1.5 神经网络探讨近况和进展走势16-18
2.2 信息熵论述18-19
2.2.1 热力学熵18
2.2.2 信息熵18-19
2.2.3 熵函数的性质19
2.3 模糊数学19-22
2.3.1 模糊集合20
2.3.2 隶属函数20-22
第3章 起重机械安全评价指标系统的建立22-31
3.1 安全评价指标系统设计思路22
3.2 安全评价指标系统的设计原则22-23
3.3 危险源识别及安全评价指标系统的构建23-31
第4章 基于神经网络的起重机械安全评价策略31-44
4.1 样本的模糊化离散处理31-33
4.2 基于概率神经网络的评价模型33-35
4.2.1 概率神经网络概述33-34
4.2.2 概率神经网络的参数设置34
4.2.3 学习效果浅析34-35
4.3 基于RBF神经网络的浅析策略35-38
4.3.1 RBF神经网络概述35-36
4.3.2 RBF神经网络的参数设置36
4.3.3 学习效果浅析36-38
4.4 基于LM-BP神经网络的浅析策略38-41
4.4.1 LM-BP神经网络概述38-39
4.4.2 LM-BP神经网络的参数设置39-40
4.4.3 学习效果浅析40-41
4.5 实验结果比较与浅析41-44
第5章 基于B/S结构的安全评价系统的设计与实现44-53
5.1 系统设计44-46
5.1.1 用例浅析44-45
5.1.2 逻辑浅析45-46
5.1.3 对象状态46
5.2 复杂映射设计46-49
5.2.1 复杂映射不足46-47
5.2.2 码机制47-49
5.3 系统实现49-53
5.3.1 设备信息49
5.3.2 评价报告49-50
5.3.3 危险源信息50-51
5.3.4 设备安全评价51-52
5.3.5 神经网络配置52-53
第6章 结论与展望53-55
6.1 主要工作和革新53-54
6.2 展望54-55
致谢55-56