| 第1章 绪论 | 第1-14页 |
| ·智能结构产生的历史条件及背景 | 第8-10页 |
| ·智能结构产生的历史条件 | 第8页 |
| ·智能结构产生的背景和意义 | 第8-10页 |
| ·研究现状与展望及本文研究内容 | 第10-14页 |
| ·智能结构的研究现状 | 第10-12页 |
| ·研究展望 | 第12页 |
| ·本文的研究内容 | 第12-14页 |
| 第2章 智能结构的理论研究 | 第14-27页 |
| ·智能结构概念 | 第14-15页 |
| ·智能结构概念的形成 | 第14页 |
| ·智能结构的仿生学原理 | 第14-15页 |
| ·智能结构的实现方式及途径 | 第15-18页 |
| ·有限元反演算法 | 第15-16页 |
| ·人工神经网络法 | 第16-18页 |
| ·智能结构理论的体系构成 | 第18-20页 |
| ·智能结构的层次划分 | 第18-19页 |
| ·智能结构的类型 | 第19-20页 |
| ·智能结构的研究内容 | 第20-23页 |
| ·智能化可行性研究 | 第20-21页 |
| ·作动器／传感器配置优化问题 | 第21-22页 |
| ·智能结构硬件系统集成 | 第22页 |
| ·智能结构信息处理及软件研究 | 第22-23页 |
| ·智能结构设计方法 | 第23-25页 |
| ·传统结构的设计特点及流程 | 第23-24页 |
| ·智能结构设计特点及流程 | 第24-25页 |
| ·小结及研究建议 | 第25-27页 |
| 第3章 结构健康检测与监测原理 | 第27-39页 |
| ·结构的智能健康诊断 | 第27-28页 |
| ·结构健康诊断的智能化趋势 | 第27-28页 |
| ·智能结构健康监测概念图 | 第28页 |
| ·基于振动的损伤检测原理 | 第28-30页 |
| ·工程结构检测方法分类 | 第29页 |
| ·结构动力检测的主要问题 | 第29-30页 |
| ·基于神经网络的结构损伤检测原理 | 第30-33页 |
| ·神经网络损伤检测能力 | 第30-31页 |
| ·基本原理 | 第31-33页 |
| ·力学反问题 | 第33-35页 |
| ·静力学反问题 | 第34-35页 |
| ·动力学反问题 | 第35页 |
| ·智能结构的智能计算方案 | 第35-38页 |
| ·无几何模型的计算方法 | 第36-37页 |
| ·有几何模型的计算方法 | 第37-38页 |
| ·计算方法的比较及优化选择 | 第38-39页 |
| ·计算方法的比较 | 第38页 |
| ·计算方案优化选择 | 第38-39页 |
| 第4章 BP神经网络原理及设计 | 第39-52页 |
| ·神经网络的基本特性 | 第39-42页 |
| ·神经网络的特点 | 第39-40页 |
| ·神经元的传输函数 | 第40-42页 |
| ·BP神经网络(BACK-PROPACATION) | 第42-47页 |
| ·BP网络示意图 | 第42页 |
| ·BP网络的学习规则--反向传播算法 | 第42-44页 |
| ·偏导数的计算 | 第44-45页 |
| ·敏感性的反向传播 | 第45-46页 |
| ·BP算法小结 | 第46-47页 |
| ·BP网络的设计分析 | 第47-49页 |
| ·网络结构参数的选取 | 第47-48页 |
| ·BP网络存在的问题及原因分析 | 第48页 |
| ·BP网络的改进方法 | 第48-49页 |
| ·输入参数分析 | 第49-52页 |
| 第5章 基于BP网络的结构健康的智能诊断 | 第52-80页 |
| ·基于BP网络的结构健康的智能诊断方法 | 第52-56页 |
| ·BP网络模型的选择 | 第52页 |
| ·确定输入参数 | 第52-54页 |
| ·分层逐步识别法 | 第54-55页 |
| ·SM Solver(结构力学求解器)功能简介 | 第55-56页 |
| ·数值算例的模拟验证 | 第56-78页 |
| ·框架结构模型 | 第57-58页 |
| ·识别损伤的层 | 第58-65页 |
| ·损伤层内损伤杆件的定位 | 第65-71页 |
| ·损伤杆件损伤程度的识别 | 第71-78页 |
| ·小结与研究建议 | 第78-80页 |
| 第6章 结语 | 第80-82页 |
| ·本文结论 | 第80页 |
| ·对今后研究工作的展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-86页 |