| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-19页 |
| 1.1 研究的背景和意义 | 第10-12页 |
| 1.2 矫直工艺理论及现状 | 第12-15页 |
| 1.3 材料性能参数识别概述 | 第15-17页 |
| 1.4 本文研究的主要内容 | 第17-19页 |
| 2 拉伸矫直理论模型 | 第19-27页 |
| 2.1 拉伸矫直建模机理 | 第19-20页 |
| 2.2 基于弹塑性理论的力—位移模型 | 第20-22页 |
| 2.3 拉伸位移预测实例 | 第22-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于遗传算法优化BP神经网络的材料性能参数在线识别 | 第27-42页 |
| 3.1 遗传算法优化BP神经网络原理 | 第27-32页 |
| 3.1.1 BP神经网络原理 | 第27-30页 |
| 3.1.2 遗传算法优化BP神经网络原理 | 第30-32页 |
| 3.2 选取训练样本及网络拓扑结构 | 第32-35页 |
| 3.2.1 选取训练样本 | 第32-34页 |
| 3.2.2 遗传算法优化BP神经网络拓扑结构 | 第34-35页 |
| 3.3 遗传算法优化BP神经网络辨识材料性能参数 | 第35-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 基于递推最小二乘的材料性能参数在线识别 | 第42-52页 |
| 4.1 算法基本原理 | 第42-46页 |
| 4.1.1 最小二乘 | 第42-43页 |
| 4.1.2 递推最小二乘 | 第43-46页 |
| 4.2 递推最小二乘辨识材料性能参数 | 第46-51页 |
| 4.2.1 递推最小二乘辨识弹性模量 | 第46-47页 |
| 4.2.2 确定屈服极限位移点 | 第47-48页 |
| 4.2.3 递推最小二乘辨识屈服强度和强化阶段斜率 | 第48-51页 |
| 4.3 本章小结 | 第51-52页 |
| 5 基于KF和EKF的材料参数联合辨识 | 第52-67页 |
| 5.1 滤波原理 | 第52-56页 |
| 5.1.1 线性系统Kalman滤波原理 | 第52-54页 |
| 5.1.2 扩展Kalman滤波原理 | 第54-56页 |
| 5.2 滤波辨识材料性能参数 | 第56-66页 |
| 5.2.1 Kalman滤波辨识弹性模量 | 第56-59页 |
| 5.2.2 确定屈服极限位移点 | 第59页 |
| 5.2.3 扩展Kalman滤波辨识屈服强度和强化阶段斜率 | 第59-66页 |
| 5.3 本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-69页 |
| 6.1 研究总结 | 第67页 |
| 6.2 后续工作展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 作者简介、攻读硕士学位期间取得的学术成果 | 第74页 |
