| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.1.1 研究意义 | 第11页 |
| 1.1.2 研究目标 | 第11-12页 |
| 1.2 结构健康监测系统的研究及其发展 | 第12-15页 |
| 1.2.1 结构健康监测的概念及其系统构成 | 第12-13页 |
| 1.2.2 结构健康监测系统的应用及发展 | 第13-15页 |
| 1.3 人工免疫系统的研究现状及应用 | 第15-17页 |
| 1.3.1 人工免疫系统的研究现状 | 第15-16页 |
| 1.3.2 人工免疫系统在结构健康监测中的应用 | 第16-17页 |
| 1.4 本文主要研究内容及组织结构 | 第17-19页 |
| 第二章 人工免疫算法 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 人工免疫系统原理 | 第19-24页 |
| 2.2.1 免疫系统的生物原型 | 第19-21页 |
| 2.2.2 人工免疫系统的仿生机理 | 第21-23页 |
| 2.2.3 人工免疫系统的应用 | 第23-24页 |
| 2.3 人工免疫模型及算法 | 第24-29页 |
| 2.3.1 免疫系统模型 | 第24-25页 |
| 2.3.2 人工免疫系统算法 | 第25-28页 |
| 2.3.3 人工免疫融合算法 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于粒子群—克隆选择算法的有监督结构故障检测与分类 | 第31-41页 |
| 3.1 引言 | 第31页 |
| 3.2 粒子群—克隆选择算法框架及组成 | 第31-33页 |
| 3.2.1 粒子群优化算法 | 第31-32页 |
| 3.2.2 粒子群—克隆选择算法框架 | 第32-33页 |
| 3.2.3 符号表示 | 第33页 |
| 3.3 粒子群—克隆选择算法设计 | 第33-39页 |
| 3.3.1 初始化过程 | 第34-35页 |
| 3.3.2 学习过程 | 第35-38页 |
| 3.3.3 应用过程 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 基于AiNet免疫聚类的无监督结构故障分类方法的研究 | 第41-49页 |
| 4.1 引言 | 第41页 |
| 4.2 算法框架及组成 | 第41-43页 |
| 4.2.1 AiNet算法 | 第41-42页 |
| 4.2.2 算法框架 | 第42页 |
| 4.2.3 符号表示 | 第42-43页 |
| 4.3 算法设计 | 第43-47页 |
| 4.3.1 初始化过程 | 第43-44页 |
| 4.3.2 学习过程 | 第44-46页 |
| 4.3.3 应用过程 | 第46-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 基于Benchmark结构的仿真试验与分析 | 第49-59页 |
| 5.1 Benchmark结构 | 第49-50页 |
| 5.2 训练和分类数据的产生 | 第50-52页 |
| 5.3 有监督结构故障分类算法的仿真 | 第52-54页 |
| 5.3.1 系统参数设置 | 第52页 |
| 5.3.2 参数与分类成功率的关系 | 第52-54页 |
| 5.4 无监督结构故障分类算法的仿真 | 第54-57页 |
| 5.4.1 系统参数设置 | 第54页 |
| 5.4.2 抑制阈值对聚类中心的影响 | 第54-57页 |
| 5.4.3 故障识别结果 | 第57页 |
| 5.5 本章小结 | 第57-59页 |
| 第六章 结论 | 第59-61页 |
| 6.1 结论 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 作者简介 | 第65页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第65-67页 |
| 致谢 | 第67页 |
