基于神经网络的工程结构在线监测与故障诊断研究
| 第1章 引言 | 第1-19页 |
| 1．1 选题的背景及意义 | 第9-11页 |
| 1．2 在线监测与故障诊断国内外研究现状 | 第11-16页 |
| 1．3 人工神经网络概述 | 第16-18页 |
| 1．4 本文的主要内容 | 第18-19页 |
| 第2章 在线监测信号的快速傅立叶变换 | 第19-28页 |
| 2．1 引言 | 第19-20页 |
| 2．2 信号处理方法分类 | 第20页 |
| 2．2．1 按分析域划分 | 第20页 |
| 2．2．2 按任务划分 | 第20页 |
| 2．2．3 处理方式划分 | 第20页 |
| 2．3 傅立叶变换 | 第20-26页 |
| 2．3．1 连续傅立叶变换 | 第20-21页 |
| 2．3．2 离散傅立叶变换 | 第21-23页 |
| 2．3．3 离散傅氏变换的限制因素 | 第23页 |
| 2．3．4 快速傅立叶变换 | 第23-26页 |
| 2．4 FFT处理信号实例 | 第26-28页 |
| 2．4．1 MATLAB软件简介 | 第26页 |
| 2．4．2 FFT处理信号实例 | 第26-28页 |
| 第3章 在线监测的实现 | 第28-40页 |
| 3．1 引言 | 第28页 |
| 3．2 动态信号实时分析系统（DSPS）简介 | 第28-31页 |
| 3．3 在线监测系统 | 第31-36页 |
| 3．3．1 一个完善的监测系统的特点 | 第31-32页 |
| 3．3．2 实时在线监测的几个关键技术 | 第32-36页 |
| 3．3．3 在线监测系统的结构 | 第36页 |
| 3．4 在线监测试验研究 | 第36-40页 |
| 第4章 人工神经网络及BP学习算法 | 第40-51页 |
| 4．1 引言 | 第40页 |
| 4．2 人工神经网络模型 | 第40-41页 |
| 4．3 人工神经网络的类型 | 第41-42页 |
| 4．4 神经网络的学习训练法则 | 第42页 |
| 4．5 BP网络及BP算法 | 第42-51页 |
| 4．5．1 BP网络 | 第42-45页 |
| 4．5．2 梯度下降法 | 第45-46页 |
| 4．5．3 BP算法 | 第46-49页 |
| 4．5．4 BP算法的不足与改进方法 | 第49-51页 |
| 第5章 基于BP网络的工程结构故障诊断研究 | 第51-64页 |
| 5．1 引言 | 第51页 |
| 5．2 工程结构故障诊断概述 | 第51-52页 |
| 5．2．1 故障诊断的意义 | 第51-52页 |
| 5．2．2 故障诊断的分类 | 第52页 |
| 5．2．3 工程结构故障的特性 | 第52页 |
| 5．3 故障诊断的基本思想和诊断过程 | 第52-54页 |
| 5．3．1 故障诊断的基本思想 | 第52-53页 |
| 5．3．2 故障诊断的诊断过程 | 第53-54页 |
| 5．4 建立用于故障诊断的BP网络 | 第54-55页 |
| 5．5 BP神经网络程序 | 第55-58页 |
| 5．5．1 开发工具的选择 | 第55页 |
| 5．5．2 程序中运用的MATLAB函数 | 第55-56页 |
| 5．5．3 程序流程图 | 第56-58页 |
| 5．6 程序算例 | 第58-64页 |
| 第6章 悬臂梁振动试验及故障诊断研究 | 第64-75页 |
| 6．1 引言 | 第64页 |
| 6．2 悬臂梁振动试验研究 | 第64-71页 |
| 6．2．1 试验的目的 | 第64页 |
| 6．2．2 试验模型及试验装置 | 第64-68页 |
| 6．2．3 试验结果 | 第68-71页 |
| 6．3 悬臂梁故障诊断研究 | 第71-74页 |
| 6．3．1 有限元模型的修正 | 第71-72页 |
| 6．3．2 悬臂梁是否有故障的诊断 | 第72页 |
| 6．3．3 悬臂梁故障位置的诊断 | 第72-73页 |
| 6．3．4 悬臂梁故障程度的诊断 | 第73-74页 |
| 6．4 本章小结 | 第74-75页 |
| 第7章 结论及进一步的工作 | 第75-76页 |
| 7．1 结论 | 第75页 |
| 7．2 进一步的工作 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间课题研究及发表论文 | 第82页 |
