首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于遗传算法的结构损伤识别研究

摘要第3-4页
ABSTRACT第4-5页
第1章 绪论第8-19页
    1.1 课题来源第8页
    1.2 引言第8-9页
    1.3 损伤识别方法综述第9-13页
        1.3.1 基于仪器设备的损伤识别方法第9页
        1.3.2 基于动力测试数据的损伤识别方法第9-12页
        1.3.3 基于静力测试数据的损伤识别方法第12-13页
    1.4 响应面应用于损伤识别的研究现状第13-14页
    1.5 遗传算法应用于损伤识别的研究现状第14-16页
    1.6 模糊数学方法应用于损伤识别的研究现状第16-17页
    1.7 本文研究的主要内容第17-19页
第2章 基本理论及改进第19-35页
    2.1 响应面基本理论第19-25页
        2.1.1 响应面近似函数第19-20页
        2.1.2 响应面拟合精度评价指标第20-21页
        2.1.3 实验设计方法第21-25页
    2.2 遗传算法基本理论及改进第25-30页
        2.2.1 完整的遗传算法运算流程第25-27页
        2.2.2 格雷编码遗传算法第27页
        2.2.3 遗传算法的正则化改进第27-30页
    2.3 模糊数学基本理论第30-34页
        2.3.1 模糊逻辑基础第30-33页
        2.3.2 基于遗传算法的模糊推理系统第33-34页
    2.4 本章小结第34-35页
第3章 基于静力位移数据的结构损伤识别第35-61页
    3.1 引言第35页
    3.2 弹簧质点模型的损伤识别第35-39页
        3.2.1 弹簧变形响应面模型的建立第35-37页
        3.2.2 损伤识别结果第37-39页
    3.3 基于位移数据的简支梁损伤识别第39-46页
        3.3.1 简支梁位移响应面模型的建立第40-42页
        3.3.2 基于遗传算法的简支梁损伤识别第42-45页
        3.3.3 不同噪声级别下的损伤识别结果第45-46页
    3.4 引入 L1范数正则化项后的损伤识别结果第46-51页
    3.5 基于模糊推理的简支梁损伤识别第51-60页
        3.5.1 基于相对位移的简支梁模糊推理损伤识别系统第51-56页
        3.5.2 损伤识别结果及抗噪性分析第56-57页
        3.5.3 引入 L1范数正则化项后的损伤识别结果第57-60页
    3.6 本章小结第60-61页
第4章 基于模态振型数据的结构损伤识别第61-75页
    4.1 引言第61页
    4.2 基于振型数据的简支梁损伤识别第61-64页
        4.2.1 简支梁振型响应面模型的建立第61-62页
        4.2.2 不同噪声级别下的损伤识别结果第62-64页
    4.3 引入 L1范数正则化项后的损伤识别结果第64-67页
    4.4 基于模糊推理的简支梁损伤识别第67-73页
        4.4.1 基于振型比值的简支梁模糊推理损伤识别系统第67-70页
        4.4.2 损伤识别结果及抗噪性分析第70-72页
        4.4.3 引入 L1范数正则化项后的损伤识别结果第72-73页
    4.5 本章小结第73-75页
第5章 结论和展望第75-77页
    5.1 结论第75-76页
    5.2 展望第76-77页
致谢第77-78页
参考文献第78-81页

论文共81页,点击 下载论文
上一篇:轮式移动弹跳机器人车及控制系统研究
下一篇:页面数据过滤技术研究与应用