基于卡尔曼神经网络的地震模拟实验台自适应多参量控制
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·结构抗震试验意义 | 第10页 |
| ·结构抗震实验研究动态 | 第10-14页 |
| ·拟静力实验 | 第11页 |
| ·拟动力实验 | 第11-12页 |
| ·网络化的拟动力实验 | 第12页 |
| ·地震模拟实验台 | 第12-13页 |
| ·智能控制理论 | 第13-14页 |
| ·课题背景 | 第14页 |
| ·课题的主要工作及难点分析 | 第14-15页 |
| ·论文各部分主要内容说明 | 第15-17页 |
| 第2章 地震模拟振动台原理 | 第17-26页 |
| ·PID控制原理 | 第17-18页 |
| ·内闭环控制原理 | 第17-18页 |
| ·外闭环原理 | 第18页 |
| ·典型电液伺服系统 | 第18-24页 |
| ·液压伺服系统模型 | 第21-24页 |
| ·荷载的非线性 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第3章 振动台构件结构动力学识别 | 第26-38页 |
| ·功率谱估计 | 第26-28页 |
| ·功率谱估计质量评价 | 第26-27页 |
| ·自相关函数与功率谱密度 | 第27页 |
| ·功率谱与系统函数 | 第27-28页 |
| ·结构动力学模型 | 第28-31页 |
| ·有限元模型 | 第28-30页 |
| ·状态空间模型 | 第30-31页 |
| ·状态空间参数识别 | 第31-34页 |
| ·运动方程的状态空间描述 | 第31-34页 |
| ·数值算例 | 第34-37页 |
| ·小结 | 第37-38页 |
| 第4章 卡尔曼神经网络 | 第38-53页 |
| ·神经网络 | 第38-39页 |
| ·BP神经网络模型及学习算法 | 第39-42页 |
| ·卡尔曼滤最优估计 | 第42-48页 |
| ·卡尔曼最优估计产生的背景 | 第42-43页 |
| ·卡尔曼预估理论 | 第43-45页 |
| ·扩展卡尔曼(EKF) | 第45-48页 |
| ·卡尔曼神经网络算法研究 | 第48-49页 |
| ·算例对比 | 第49-52页 |
| ·小结 | 第52-53页 |
| 第5章 多参量神经网络外闭环 | 第53-65页 |
| ·数据预处理 | 第53-56页 |
| ·以加速度为控制量 | 第53-55页 |
| ·以位移为控制量 | 第55-56页 |
| ·多参量控制方式设计 | 第56-59页 |
| ·虚拟仪器设定 | 第56-59页 |
| ·卡尔曼神经网络自适应算法 | 第59-60页 |
| ·试验验证 | 第60-64页 |
| ·离线学习 | 第60页 |
| ·在线学习 | 第60页 |
| ·试验一 | 第60-62页 |
| ·试验二 | 第62-64页 |
| ·小结 | 第64-65页 |
| 结论与展望 | 第65-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 附录A 攻读硕士学位期间发表的论文 | 第74-75页 |
| 附录B 攻读硕士学位期间参与的科研项目 | 第75页 |
