摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第12-22页 |
1.1 研究意义 | 第12-14页 |
1.2 国内外研究现状 | 第14-20页 |
1.2.1 复合材料加筋板的分层损伤 | 第14-16页 |
1.2.2 复合材料无损检测技术的研究现状 | 第16-18页 |
1.2.3 基于振动频率变化的研究现状 | 第18-20页 |
1.3 主要研究内容 | 第20-22页 |
第二章 FRP加筋板的有限元模型 | 第22-41页 |
2.1 FRP加筋板模型的发展背景 | 第22-25页 |
2.2 加筋板有限元模型的特性 | 第25-28页 |
2.2.1 单元类型 | 第26页 |
2.2.2 层信息的定义 | 第26-27页 |
2.2.3 分层的接触问题 | 第27-28页 |
2.3 加筋板有限元模型的建立 | 第28-33页 |
2.3.1 无损伤加筋板有限元模型的建立 | 第28-30页 |
2.3.2 含损伤加筋板有限元模型的建立 | 第30-33页 |
2.4 网格单元数量的划分 | 第33-38页 |
2.5 加筋板有限元模型的验证 | 第38-40页 |
2.6 本章小结 | 第40-41页 |
第三章 加筋板试件的模态测试实验 | 第41-59页 |
3.1 实验设计 | 第41-49页 |
3.1.1 实验试件的制作 | 第41-46页 |
3.1.2 测试仪器介绍 | 第46-47页 |
3.1.3 测试边界条件 | 第47-48页 |
3.1.4 振动激励方式 | 第48-49页 |
3.2 模态测试 | 第49-54页 |
3.2.1 参数设置 | 第49-51页 |
3.2.2 实验结果 | 第51-54页 |
3.3 实验结果分析 | 第54-58页 |
3.3.1 模型修正 | 第54-55页 |
3.3.2 结果分析 | 第55-58页 |
3.4 本章小结 | 第58-59页 |
第四章 基于人工神经网络的分层损伤识别 | 第59-76页 |
4.1 逆向问题的描述 | 第59-60页 |
4.2 人工神经网络简介 | 第60-64页 |
4.2.1 BP神经元及其模型 | 第61-62页 |
4.2.2 用于分层损伤识别的人工神经网络的构建 | 第62-64页 |
4.3 人工神经网络的数值验证 | 第64-71页 |
4.3.1 加筋板的对称性对损伤识别的影响 | 第65-67页 |
4.3.2 单边损伤和贯穿损伤的数值验证 | 第67-70页 |
4.3.3 底板损伤的数值验证 | 第70-71页 |
4.4 人工神经网络的实验验证 | 第71-75页 |
4.4.1 单边损伤和贯穿损伤的实验验证 | 第72-73页 |
4.4.2 底板损伤的实验验证 | 第73-75页 |
4.5 本章小结 | 第75-76页 |
第五章 基于优化算法的分层损伤识别 | 第76-98页 |
5.1 优化算法简介 | 第76-77页 |
5.2 损伤识别问题的优化定义 | 第77-79页 |
5.3 有代理模型的优化算法 | 第79-82页 |
5.4 优化算法的数值验证 | 第82-89页 |
5.4.1 直接使用遗传算法 | 第82-85页 |
5.4.2 采用有代理模型的优化算法 | 第85-89页 |
5.5 有代理模型的优化算法的实验验证 | 第89-93页 |
5.5.1 单边损伤和贯穿损伤的实验验证 | 第90-91页 |
5.5.2 底板损伤的实验验证 | 第91-93页 |
5.6 两种逆向检测算法的比较 | 第93-97页 |
5.6.1 损伤在加筋条与底板的连接处 | 第93-94页 |
5.6.2 损伤在加筋板底板的内部 | 第94-97页 |
5.7 本章小结 | 第97-98页 |
第六章 敏感性分析 | 第98-108页 |
6.1 样本数量对逆向算法精度的影响 | 第98-103页 |
6.1.1 损伤在加筋条与底板的连接处 | 第99-100页 |
6.1.2 损伤在底板的内部 | 第100-103页 |
6.2 不同干扰等级的噪声对逆向检测算法精度的影响 | 第103-106页 |
6.2.1 损伤在加筋条与底板的连接处 | 第103-105页 |
6.2.2 损伤在底板的内部 | 第105-106页 |
6.3 本章小结 | 第106-108页 |
第七章 结论与展望 | 第108-110页 |
7.1 结论 | 第108-109页 |
7.2 展望 | 第109-110页 |
参考文献 | 第110-115页 |
附录A 加筋板试件的设计图 | 第115-122页 |
附录B 攻读硕士学位期间发表学术论文情况 | 第122-123页 |
致谢 | 第123页 |