| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 课题研究背景 | 第14-16页 |
| 1.1.1 变体机翼技术研究背景 | 第14-15页 |
| 1.1.2 智能材料研究背景 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 变体机翼技术研究现状 | 第16-18页 |
| 1.2.2 机翼变形感知方法研究现状 | 第18-19页 |
| 1.2.3 机翼变形控制方法研究现状 | 第19-20页 |
| 1.3 本文研究意义及内容 | 第20-23页 |
| 1.3.1 本文研究意义 | 第20-21页 |
| 1.3.2 本文研究内容 | 第21-23页 |
| 第二章 碳纤维复合材料层合板与光纤光栅传感器集成方法研究 | 第23-38页 |
| 2.1 光纤光栅传感器感知原理 | 第23-25页 |
| 2.1.1 光纤布拉格光栅应变传感特性 | 第23-24页 |
| 2.1.2 光纤布拉格光栅温度传感特性 | 第24-25页 |
| 2.2 预埋光纤光栅传感器复合材料层合板烘箱固化成型方法研究 | 第25-32页 |
| 2.2.1 复合材料固化过程对光纤光栅传感器反射光谱的影响 | 第25-26页 |
| 2.2.2 基于光纤光栅传感器的复合材料烘箱成型固化监测 | 第26-32页 |
| 2.3 预埋光纤光栅传感器复合材料层合板热压罐固化成型方法研究 | 第32-37页 |
| 2.3.1 高温光纤熔接对光纤光栅传感器的影响 | 第32-33页 |
| 2.3.2 预埋光纤光栅传感器复合材料层合板热压罐固化成型方法 | 第33-34页 |
| 2.3.3 预埋光纤光栅传感器复合材料层合板制作流程 | 第34-36页 |
| 2.3.4 预埋前后光纤光栅传感器性能对比 | 第36-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 基于光纤光栅传感器的复合材料结构变形感知方法研究 | 第38-53页 |
| 3.1 仿真机翼柔性后缘受载荷分析 | 第38-40页 |
| 3.2 基于FBG的环氧树脂板弯曲变形感知方法研究 | 第40-47页 |
| 3.2.1 环氧树脂板面传感器布局 | 第40-41页 |
| 3.2.2 单边固支环氧树脂板弯曲变形感知系统构建 | 第41-42页 |
| 3.2.3 单边固执环氧树脂板弯曲变形试验数据分析 | 第42-47页 |
| 3.3 基于FBG的碳纤维复合材料层合板弯曲变形感知方法研究 | 第47-52页 |
| 3.3.1 碳纤维复合材料板变形感知试验系统搭建 | 第47-48页 |
| 3.3.2 变形响应数据特征分析 | 第48-49页 |
| 3.3.3 光纤光栅传感器迟滞性研究 | 第49-51页 |
| 3.3.4 基于步进电机的复合材料层合板弯曲变形感知试验 | 第51-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 基于神经网络PID的复合材料层合板的变形控制算法研究 | 第53-73页 |
| 4.1 常规PID控制 | 第53-55页 |
| 4.2 人工神经网络PID算法 | 第55-70页 |
| 4.2.1 人工神经网络 | 第55-56页 |
| 4.2.2 基于Hebb学习算法的复合材料层合板变形控制方法 | 第56-58页 |
| 4.2.3 基于BP神经网络PID算法的复合材料层合板变形控制方法 | 第58-65页 |
| 4.2.4 基于RBF神经网络PID算法的复合材料层合板变形控制方法 | 第65-70页 |
| 4.3 不同神经网络PID算法比较 | 第70-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第五章 复合材料板变形分布式光纤感知与控制实验研究 | 第73-81页 |
| 5.1 基于Labview的神经网络PID复合材料层合板变形感知与控制算法实现 | 第73-76页 |
| 5.1.1 基于Labview的变形映射关系实现 | 第73-74页 |
| 5.1.2 复合材料层合板弯曲变形状态拟合 | 第74页 |
| 5.1.3 基于Labview的BP神经网络PID算法实现 | 第74-75页 |
| 5.1.4 基于Labview的步进电机控制算法实现 | 第75-76页 |
| 5.2 复合材料层合板弯曲变形分布式光纤感知与控制实验 | 第76-80页 |
| 5.2.1 复合材料层合板弯曲变形控制试验系统搭建 | 第76-78页 |
| 5.2.2 基于BP神经网络PID算法的复合材料层合板弯曲变形控制 | 第78-80页 |
| 5.3 本章小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-83页 |
| 6.1 全文工作总结 | 第81-82页 |
| 6.2 进一步展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-88页 |
| 在学期间的研究成果及学术论文 | 第88页 |
