| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 注释表 | 第10-11页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 复合材料损伤检测的现状及发展 | 第12-13页 |
| 1.2.2 小波分析和神经网络应用于结构损伤检测 | 第13-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 第二章 复合材料冲击响应信号的小波算法研究 | 第16-23页 |
| 2.1 小波多分辨率分析算法研究 | 第16-19页 |
| 2.2 复合材料冲击响应信号小波包能量谱分析 | 第19-22页 |
| 2.2.1 小波包定义 | 第19-20页 |
| 2.2.2 小波包分析算法 | 第20页 |
| 2.2.3 小波包能量谱分析的信号损伤特征 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 复合材料冲击实验研究和信号的实时处理 | 第23-40页 |
| 3.1 光纤传感器介绍及传感原理 | 第23-25页 |
| 3.1.1 光纤的组成以及光在光纤中传播的特点 | 第23页 |
| 3.1.2 光纤光栅传感原理 | 第23-25页 |
| 3.2 光纤光栅解调信号的实时处理技术 | 第25-28页 |
| 3.2.1 中心波长实时变化采集 | 第25-27页 |
| 3.3.2 中心波长信号解调实时小波降噪 | 第27-28页 |
| 3.3 复合材料冲击实验传感器的布设研究 | 第28-36页 |
| 3.3.1 复合材料板受冲击的动力学方程 | 第28-30页 |
| 3.3.2 实验系统的构建 | 第30-32页 |
| 3.3.3 复合材料的冲击实验 | 第32-36页 |
| 3.4 复合材料小波分析损伤特征向量提取 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 结合小波包特征值提取及BP神经网络的复合材料损伤检测 | 第40-52页 |
| 4.1 人工神经网络的基本理论 | 第40-41页 |
| 4.2 BP神经网络模型及其算法 | 第41-44页 |
| 4.2.1 BP神经网络模型 | 第41-42页 |
| 4.2.2 BP神经网络算法研究 | 第42-43页 |
| 4.2.3 BP神经网络算法的改进 | 第43-44页 |
| 4.2.4 BP神经网络模型的设计 | 第44页 |
| 4.3 结合小波包特征提取及BP神经网络的复合材料损伤检测研究 | 第44-48页 |
| 4.3.1 输入输出层节点数和学习样本选择 | 第45-47页 |
| 4.3.2 隐含层层数与隐含层节点数的确定 | 第47-48页 |
| 4.3.3 传递函数与训练算法的选择 | 第48页 |
| 4.3.4 学习速率与学习误差的确定 | 第48页 |
| 4.4 BP神经网络学习训练与应用 | 第48-51页 |
| 4.4.1 损伤检测神经网络的建立 | 第48-49页 |
| 4.4.2 损伤检测神经网络的训练与结果分析 | 第49-50页 |
| 4.4.3 复合材料板BP神经网络损伤识别应用 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 全文总结与展望 | 第52-54页 |
| 5.1 全文总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 在学期间发表的学术论文 | 第59页 |