基于FBG传感阵列的钢板结构静载荷检测研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 FBG复用技术 | 第11-13页 |
| 1.3 基于FBG静载荷检测研究现状 | 第13-15页 |
| 1.3.1 基于FBG静载荷定位检测研究现状 | 第13-14页 |
| 1.3.2 基于FBG静载荷大小检测研究现状 | 第14-15页 |
| 1.4 论文的主要内容和结构安排 | 第15-16页 |
| 第2章 FBG传感工作原理 | 第16-22页 |
| 2.1 光纤光栅理论模型 | 第16-18页 |
| 2.2 光纤光栅传感机理 | 第18-21页 |
| 2.2.1 FBG传感机理 | 第18-19页 |
| 2.2.2 温度对FBG影响机理 | 第19-20页 |
| 2.2.3 应变对FBG影响机理 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 FBG传感阵列系统静载荷定位检测研究 | 第22-43页 |
| 3.1 FBG传感阵列系统的构建 | 第22-30页 |
| 3.1.1 钢板结构静载荷检测原理 | 第22-24页 |
| 3.1.2 传感阵列中FBG数目的计算与配置 | 第24-27页 |
| 3.1.3 FBG选择与封装 | 第27-29页 |
| 3.1.4 FBG传感阵列系统的构建 | 第29-30页 |
| 3.2 静载荷定位检测信息的提取 | 第30-32页 |
| 3.3 PSO-LSSVM混合算法基本原理 | 第32-39页 |
| 3.3.1 BP神经网络 | 第32-33页 |
| 3.3.2 最小二乘支持向量机算法 | 第33-35页 |
| 3.3.3 粒子群算法 | 第35-37页 |
| 3.3.4 PSO-LSSVM混合算法 | 第37-39页 |
| 3.4 静载荷定位检测预测模型的建立 | 第39-41页 |
| 3.5 静载荷定位预测模型预测结果分析 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 FBG传感阵列系统静载荷大小检测研究 | 第43-57页 |
| 4.1 静载荷大小检测信息的提取 | 第43-45页 |
| 4.2 ABC-LSSVM混合算法基本原理 | 第45-50页 |
| 4.2.1 差分进化算法 | 第45-46页 |
| 4.2.2 人工蜂群算法 | 第46-48页 |
| 4.2.3 DE-LSSVM混合算法 | 第48-49页 |
| 4.2.4 ABC-LSSVM混合算法 | 第49-50页 |
| 4.3 静载荷大小预测模型的建立 | 第50-55页 |
| 4.4 静载荷大小预测模型预测结果分析 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第63-64页 |
| 致谢 | 第64页 |
