首页--数理科学和化学论文--力学论文--固体力学论文--强度理论论文--损伤理论论文

基于LC理论和概率神经网络的时变系统的损伤识别

摘要第1-5页
ABSTRACT第5-11页
第一章 绪论第11-20页
   ·论文的研究背景第11-13页
   ·国内外研究现状分析第13-19页
     ·结构健康监测与损伤识别技术第13-15页
     ·人工神经网络第15-16页
     ·信号处理方法的发展第16-18页
     ·基于LC 的结构损伤识别第18-19页
   ·论文的研究内容第19-20页
第二章 LC 理论和非平稳信号的参数化表示第20-28页
   ·参数化模型的非平稳信号分解理论第20-21页
   ·非平稳信号的参数化表示第21-23页
     ·确定性参数演变(DPE)的TARMA 模型表示第22-23页
   ·模型参数估计第23-27页
     ·二阶段最小二乘估计方法[61-64]第25-27页
   ·本章小节第27-28页
第三章 概率神经网络第28-38页
   ·概率神经网络模型第28-35页
     ·概率神经网络的理论基础第28-32页
     ·概率神经网络的Bayes 分类器第32页
     ·概率神经网络的Parzen 窗估计法第32-35页
   ·概率神经网络的网络结构第35-38页
第四章 非平稳随机振动(NSV)信号的建模和分析第38-63页
   ·算例1 三自由度粘性阻尼系统第38-43页
     ·系统建模和非平稳随机振动第38-40页
     ·理论上的非平稳信号和系统属性第40-42页
     ·非平稳振动模型的基函数及阶数选择第42-43页
   ·损伤模拟及特征提取第43-49页
     ·时变结构损伤模拟第43-44页
     ·特征提取第44-49页
   ·算例2 磁悬浮均匀等直刚杆的非线性振动第49-56页
     ·磁悬浮振动简介第49页
     ·系统控制方程第49-51页
     ·系统稳定性第51-52页
     ·随机地面输入下的Runge-Kutta 格式第52页
     ·随机振动输入下的加速度输出响应第52-55页
     ·振动模型的基函数及阶数选择第55-56页
   ·损伤模拟及特征提取第56-59页
   ·特征降维和数据处理第59-61页
   ·概率神经网络的损伤识别第61-63页
第五章 总结与展望第63-65页
   ·论文总结第63-64页
   ·论文展望第64-65页
参考文献第65-70页
致谢第70-71页
在学期间的研究成果及发表的学术论文第71页

论文共71页,点击 下载论文
上一篇:当地DFD方法及其在不可压粘性流数值模拟中的应用
下一篇:考虑复杂应力状态的焊接结构疲劳寿命估算研究