| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| 1．1 课题国内外研究现状和发展趋势 | 第9-13页 |
| 1．1．1 光纤智能结构损伤评估研究现状 | 第9-11页 |
| 1．1．2 基于神经网络的损伤检测研究现状 | 第11-12页 |
| 1．1．3 智能结构健康监测的发展趋势 | 第12-13页 |
| 1．2 课题的目的和意义 | 第13页 |
| 1．3 课题的研究内容 | 第13-15页 |
| 2 光纤微弯传感器的传光机理及其应用 | 第15-23页 |
| 2．1 智能结构中使用的智能传感元件 | 第15-17页 |
| 2．2 光纤的基本结构 | 第17-18页 |
| 2．3 光纤微弯传感器传感原理 | 第18-21页 |
| 2．3．1 微弯损耗机理 | 第19页 |
| 2．3．2 光纤微弯传感器工作原理 | 第19-21页 |
| 2．3．3 光纤微弯应变传感器系统 | 第21页 |
| 2．4 光纤微弯传感器在智能结构中的应用 | 第21-23页 |
| 3 人工神经网络 | 第23-38页 |
| 3．1 模式识别 | 第23-24页 |
| 3．2 人工神经网络概述 | 第24-28页 |
| 3．2．1 人工神经网络模型 | 第24-25页 |
| 3．2．2 人工神经网络学习 | 第25-27页 |
| 3．2．3 人工神经网络的基本特点 | 第27-28页 |
| 3．3 神经网络在智能结构损伤识别中的作用 | 第28页 |
| 3．4 智能结构中常用的人工神经网络类型 | 第28-30页 |
| 3．5 BP神经网络模型 | 第30-31页 |
| 3．5．1 BP神经元结构 | 第30-31页 |
| 3．5．2 BP神经网络的结构 | 第31页 |
| 3．6 BP神经网络的训练 | 第31-34页 |
| 3．7 BP神经网络学习算法 | 第34-36页 |
| 3．8 BP神经网络泛化改进算法 | 第36-38页 |
| 4 石膏构件状态监测与损伤评估系统 | 第38-45页 |
| 4．1 光纤微弯传感器的优化布置 | 第38-40页 |
| 4．2 阵列信号处理的神经网络方法 | 第40-41页 |
| 4．3 石膏构件的状态监测系统及实验 | 第41-45页 |
| 5 建模与仿真 | 第45-56页 |
| 5．1 MATLAB神经网络工具箱的基本特征 | 第45-46页 |
| 5．2 神经网络在智能结构损伤评估中模型的建立 | 第46-51页 |
| 5．3 神经网络在智能结构损伤评估中的仿真 | 第51-55页 |
| 5．3．1 神经网络训练软件 | 第51页 |
| 5．3．2 批梯度下降算法仿真结果 | 第51-53页 |
| 5．3．3 Levenberg-Marquardt优化算法仿真结果 | 第53页 |
| 5．3．4 贝叶斯正则化算法仿真结果 | 第53-55页 |
| 5．4 小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |