基于智能算法的梁损伤定位的研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·论文的研究背景 | 第9页 |
| ·国内外研究现状 | 第9-13页 |
| ·基于振动的结构损伤检测技术 | 第10-12页 |
| ·基于智能方法的结构损伤检测技术 | 第12-13页 |
| ·本文的研究内容与组织结构 | 第13-15页 |
| 第2章 BP神经网络及其改进技术 | 第15-27页 |
| ·人工神经网络概述 | 第15-16页 |
| ·人工神经元模型和人工神经网络结构 | 第16-18页 |
| ·人工神经元模型 | 第16-17页 |
| ·人工神经网络结构 | 第17-18页 |
| ·BP神经网络 | 第18-21页 |
| ·BP神经网络的改进技术 | 第21-26页 |
| ·收敛速度的改进技术 | 第21-25页 |
| ·泛化性能的改进技术 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 粒子群优化算法及其发展 | 第27-34页 |
| ·粒子群算法概述 | 第27页 |
| ·基本粒子群算法 | 第27-29页 |
| ·标准粒子群优化算法 | 第29-30页 |
| ·粒子群优化算法的改进技术 | 第30-32页 |
| ·粒子群优化算法与其它智能算法的比较 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 融合算法研究 | 第34-54页 |
| ·智能算法的融合 | 第34-35页 |
| ·人工免疫系统简介 | 第35-37页 |
| ·免疫学的主要概念及原理 | 第35-36页 |
| ·人工免疫系统 | 第36-37页 |
| ·免疫粒子群优化算法(ImPSO) | 第37-43页 |
| ·抗体抑制 | 第38-39页 |
| ·接种疫苗 | 第39-40页 |
| ·变异操作 | 第40-41页 |
| ·免疫粒子群优化算法描述 | 第41-43页 |
| ·基准函数测试 | 第43-53页 |
| ·算法参数设置 | 第43页 |
| ·Sphere函数分析 | 第43-46页 |
| ·Rastrigrin函数分析 | 第46-48页 |
| ·Ackley函数分析 | 第48-51页 |
| ·Rosenbrock函数分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 融合算法在梁损伤定位中的应用及仿真 | 第54-75页 |
| ·融合算法在神经网络训练中的应用 | 第54-55页 |
| ·桁架梁故障信号提取 | 第55-56页 |
| ·对称桁架损伤定位分析 | 第56-63页 |
| ·对称桁架结构模型和部分样本数据 | 第56-58页 |
| ·神经网络模型和粒子群优化算法参数 | 第58页 |
| ·算法结果分析 | 第58-63页 |
| ·非对称桁架损伤定位分析 | 第63-69页 |
| ·非对称桁架结构模型和部分样本数据 | 第63-64页 |
| ·神经网络模型和粒子群优化算法参数 | 第64-65页 |
| ·算法结果分析 | 第65-69页 |
| ·梁损伤定位仿真系统实现 | 第69-73页 |
| ·本章小结 | 第73-75页 |
| 第6章 总结和展望 | 第75-77页 |
| ·全文工作总结 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士学位期间公开发表的论文 | 第81页 |
