结构损伤识别中混合软计算方法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.1.1 课题来源 | 第9页 |
| 1.1.2 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状与发展趋势 | 第10-16页 |
| 1.2.1 结构损伤识别的发展现状 | 第10-12页 |
| 1.2.2 软计算方法概述 | 第12-14页 |
| 1.2.3 软计算方法研究现状 | 第14-16页 |
| 1.3 本文主要研究内容和创新点 | 第16-19页 |
| 1.3.1 本文的主要研究内容与研究方案 | 第16-18页 |
| 1.3.2 本文研究的创新点 | 第18-19页 |
| 第2章 有限元模拟与损伤数据库的建立 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 试验模型介绍 | 第19-20页 |
| 2.3 有限元模型的建立 | 第20-21页 |
| 2.4 模拟损伤结构的信息提取 | 第21-26页 |
| 2.4.1 结构动力指纹 | 第21-25页 |
| 2.4.2 不同损伤工况下的数值模拟 | 第25-26页 |
| 2.4.3 模态参数提取与损伤数据库的建立 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 真实结构模型模态试验研究 | 第27-42页 |
| 3.1 引言 | 第27页 |
| 3.2 试验方案设计 | 第27-28页 |
| 3.3 试验模型模态参数的识别 | 第28-40页 |
| 3.3.1 完好结构的模态参数识别 | 第28-31页 |
| 3.3.2 损伤结构的模态参数识别 | 第31-40页 |
| 3.4 试验结构与有限元模型的对比分析 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 粗糙集理论对结构损伤数据库的约简方法 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 粗糙集理论的基本概念和定义 | 第42-44页 |
| 4.3 结构模型损伤数据库的属性约简 | 第44-46页 |
| 4.3.1 决策表属性的归纳约简算法 | 第44-45页 |
| 4.3.2 基于模拟损伤数据库的决策表约简 | 第45-46页 |
| 4.4 基于粗糙集理论对损伤数据库的离散化方法 | 第46-53页 |
| 4.4.1 离散化方法简介 | 第46-47页 |
| 4.4.2 基于信息熵的离散化方法 | 第47-51页 |
| 4.4.3 损伤数据库的规则提取 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 人工神经网络对结构损伤的识别 | 第54-64页 |
| 5.1 引言 | 第54页 |
| 5.2 人工神经网络的选取 | 第54-56页 |
| 5.2.1 BP 人工神经网络模型 | 第54-55页 |
| 5.2.2 BP 网络误差定义与权值调整思路 | 第55-56页 |
| 5.3 以结构模型损伤数据库为样本的训练 | 第56-59页 |
| 5.4 利用神经网络对结构实测损伤的识别 | 第59-61页 |
| 5.5 噪声对神经网络识别效果的影响 | 第61-63页 |
| 5.5.1 模态参数噪声分布规律 | 第61页 |
| 5.5.2 噪声对结构损伤识别效果的影响 | 第61-63页 |
| 5.6 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70-78页 |
| 致谢 | 第78页 |
