首页--数理科学和化学论文--力学论文--固体力学论文

基于RBF神经网络和遗传算法的复合材料层合板、壳载荷识别

摘要第1-5页
Abstract第5-13页
第一章 绪论第13-21页
   ·概述第13-15页
     ·载荷识别第13页
     ·从数学角度来定义反问题第13-15页
   ·载荷识别方法的研究和本文选题第15-21页
     ·智能结构载荷识别的研究背景第15-16页
     ·智能结构载荷识别的研究进展第16-18页
     ·智能结构载荷识别的研究意义第18-19页
     ·本文的主要研究内容第19-21页
第二章 神经网络和遗传算法理论第21-38页
   ·人工神经网络原理第21-27页
     ·人工神经网络的组成及结构第21-22页
     ·神经网络模型第22-23页
     ·常用的几种神经网络结构第23-24页
     ·神经网络的基本特点第24页
     ·神经网络结构的训练算法分类第24-25页
     ·RBF 神经网络组成结构及特点第25-27页
     ·人工神经网络的应用领域第27页
   ·遗传算法原理第27-38页
     ·遗传算法第28页
     ·遗传算法的特点第28-29页
     ·遗传算法设计第29-38页
第三章 力-电耦合场的有限元分析第38-51页
   ·压电材料简介第39-40页
     ·压电效应第39页
     ·压电材料的性质:压电性第39页
     ·压电陶瓷第39-40页
   ·力、电耦合本构方程第40-42页
   ·有限元分析第42-51页
     ·基本方程及边界条件第42-45页
     ·采用加强假定应变(EAS)模式推导固体壳单元第45-47页
     ·数值积分方法第47-51页
第四章 基于RBF 神经网络的复合材料层合板、壳载荷识别第51-62页
   ·RBF 神经网络载荷识别流程第51-55页
     ·RBF 神经网络样本数据的获取第51页
     ·RBF 神经网络样本数据的归一化处理第51-52页
     ·RBF 神经网络隐含层传输函数的选取第52页
     ·RBF 神经网络训练学习算法分析第52-54页
     ·RBF 神经网络学习算法步骤第54-55页
   ·RBF 神经网络载荷识别算例第55-62页
     ·复合材料层合板结构载荷识别第55-57页
     ·复合材料层合壳结构载荷识别第57-61页
     ·载荷识别程序的主要函数说明第61页
     ·算例结果分析第61-62页
第五章 基于遗传算法与有限元的板、壳载荷识别第62-73页
   ·遗传算法进行载荷识别的流程设计第62-65页
     ·适应度函数的确定第63-64页
     ·二进制编码产生初始种群第64页
     ·计算适应度来评价个体第64页
     ·遗传算子的设计第64-65页
   ·遗传算法进行载荷识别算例第65-73页
     ·复合材料板结构载荷识别第65-68页
     ·复合材料层合壳结构载荷识别算例第68-71页
     ·载荷识别的程序说明第71-72页
     ·算例载荷识别结果分析第72-73页
第六章 全文总结和研究展望第73-75页
   ·全文主要的研究内容第73-74页
   ·研究展望第74-75页
参考文献第75-78页
致谢第78-79页
攻读硕士期间发表的文章第79页

论文共79页,点击 下载论文
上一篇:企业商业秘密民事法律保护研究
下一篇:利用性成熟前山羊卵泡卵母细胞体外生产胚胎的研究