遗传BP算法在结构动力检测中的应用研究
| 1 引言 | 第1-14页 |
| ·无损检测研究的必要性 | 第7-8页 |
| ·传统检测方法 | 第8-9页 |
| ·结构动力检测 | 第9-11页 |
| ·基本原理 | 第9-10页 |
| ·研究方法简介 | 第10-11页 |
| ·研究意义及存在的困难 | 第11页 |
| ·国内外研究现状 | 第11-14页 |
| ·本文的研究目标、方法及主要内容 | 第14页 |
| ·研究的目标和方法 | 第14页 |
| ·本文主要内容 | 第14页 |
| 2 结构损伤识别的神经网络和遗传算法 | 第14-24页 |
| ·人工神经网络 | 第15-18页 |
| ·人工神经网络简介 | 第15-16页 |
| ·BP 神经网络 | 第16-18页 |
| ·遗传算法 | 第18-22页 |
| ·遗传算法的原理、基本概念和术语 | 第19页 |
| ·遗传算法的主要操作 | 第19-20页 |
| ·遗传算法的实现步骤 | 第20-22页 |
| ·遗传算法的优缺点 | 第22页 |
| ·遗传算法与神经网络的结合 | 第22-24页 |
| ·结合原理 | 第22-23页 |
| ·遗传BP 算法的步骤 | 第23-24页 |
| 3 悬臂梁裂纹参数的识别方法 | 第24-28页 |
| ·理论分析 | 第25页 |
| ·含裂纹平面刚架的动力分析 | 第25-28页 |
| 4 检测实例及结果分析 | 第28-51页 |
| ·试验数据采集 | 第28-31页 |
| ·测振系统的设计原理 | 第28-29页 |
| ·振动现象的观察 | 第29-30页 |
| ·振动的测量 | 第30页 |
| ·实验结果 | 第30-31页 |
| ·结构裂纹识别的人工神经网络方法 | 第31-45页 |
| ·神经网络的数据变换处理 | 第38页 |
| ·网络结构的确定 | 第38-41页 |
| ·网络传递函数的选择 | 第41-43页 |
| ·网络权值的初始化 | 第43页 |
| ·学习速率的确定 | 第43页 |
| ·网络收敛极小值的确定 | 第43-44页 |
| ·BP 算法的实现 | 第44-45页 |
| ·遗传算法在裂纹识别上的应用 | 第45-46页 |
| ·利用遗传 BP 算法识别悬臂梁裂纹 | 第46-49页 |
| ·结果对比分析 | 第49-51页 |
| ·对遗传算法改进的 BP 网络模型的评价 | 第51页 |
| 5 总结与展望 | 第51-56页 |
| ·全文总结 | 第51-53页 |
| ·研究中遇到的问题 | 第53-54页 |
| ·结构的动力检测技术和试验模态分析 | 第53页 |
| ·动力损伤检测方法的问题和难点 | 第53-54页 |
| ·展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 作者简介 | 第62页 |
