| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-20页 |
| ·课题研究背景和意义 | 第11-12页 |
| ·结构健康监测的概念、系统组成及应用 | 第12-14页 |
| ·结构健康监测的概念 | 第12页 |
| ·结构健康监测系统及其组成 | 第12-13页 |
| ·结构健康监测的应用 | 第13-14页 |
| ·复合材料结构损伤监测研究 | 第14-15页 |
| ·基于模型修正技术的结构健康监测 | 第15-16页 |
| ·神经网络在复合材料结构健康监测中的应用 | 第16-18页 |
| ·本文的主要研究内容及创新之处 | 第18-20页 |
| 第二章 智能算法——遗传算法、神经网络介绍 | 第20-33页 |
| ·遗传算法 | 第20-27页 |
| ·编码、解码 | 第20-22页 |
| ·遗传操作 | 第22-25页 |
| ·选择（Selection） | 第22-24页 |
| ·交叉（Crossover） | 第24-25页 |
| ·变异（Mutation） | 第25页 |
| ·遗传算法的终止 | 第25页 |
| ·micro-GA 介绍 | 第25-26页 |
| ·递阶遗传算法介绍 | 第26-27页 |
| ·人工神经网络 | 第27-33页 |
| ·神经网络理论基础 | 第27-30页 |
| ·神经网络神经元模型 | 第27页 |
| ·神经网络的结构组成 | 第27-28页 |
| ·人工神经网络的基本特点 | 第28-29页 |
| ·常用的几种神经网络结构 | 第29页 |
| ·神经网络结构的训练算法分类 | 第29-30页 |
| ·径向基神经网络介绍 | 第30-33页 |
| ·径向基神经网络的组成结构及特点 | 第30-31页 |
| ·RBF 神经网络的学习算法综述 | 第31-33页 |
| 第三章 复合材料试件的制备及实验模态分析 | 第33-37页 |
| ·试验件的制备 | 第33-34页 |
| ·试验件的特性参数 | 第34页 |
| ·模态分析实验系统 | 第34-35页 |
| ·模态分析实验结果 | 第35-37页 |
| 第四章 基于遗传算法和模态实验的复合材料结构有限元模型修正 | 第37-47页 |
| ·复合材料结构初始有限元模型的建立 | 第38-41页 |
| ·计算法确定复合材料试件的宏观材料参数 | 第38-40页 |
| ·复合材料试件有限元网格划分以及边界条件的近似处理 | 第40页 |
| ·复合材料试件动力学特性的有限元仿真 | 第40-41页 |
| ·基于遗传算法的复合材料结构有限元模型修正 | 第41-45页 |
| ·GA1.7 程序介绍 | 第41-42页 |
| ·复合材料试件材料参数的优化修正 | 第42-44页 |
| ·遗传算法在复合材料试件材料参数优化修正中的应用 | 第42-43页 |
| ·复合材料试件材料参数的优化修正结果与分析 | 第43-44页 |
| ·复合材料试件边界参数的优化识别 | 第44-45页 |
| ·复合材料试件边界的再处理 | 第44页 |
| ·遗传算法在复合材料试件边界参数优化识别中的应用 | 第44-45页 |
| ·复合材料试件边界参数优化识别结果与分析 | 第45页 |
| ·含脱层试件模态分析的计算样本的获取 | 第45-47页 |
| 第五章 神经网络技术在复合材料结构健康监测中的应用 | 第47-53页 |
| ·混合递阶遗传算法优化RBF 神经网络 | 第47-48页 |
| ·混合递阶遗传RBF 神经网络算法设计 | 第48-50页 |
| ·染色体编码设计 | 第48-49页 |
| ·种群初始化 | 第49页 |
| ·适应度函数的设计 | 第49页 |
| ·选择算子的设计 | 第49页 |
| ·交叉算子的设计 | 第49-50页 |
| ·变异算子的设计 | 第50页 |
| ·基于混合递阶遗传RBFNN 的复合材料结构健康监测 | 第50-53页 |
| ·基于混合递阶遗传RBFNN 的复合材料结构健康监测的实现 | 第50页 |
| ·基于混合递阶遗传RBFNN 的复合材料结构监测程序的主要函数说明 | 第50-51页 |
| ·基于混合递阶遗传RBFNN 的复合材料脱层损伤网络识别结果与分析 | 第51-53页 |
| 第六章 结论与展望 | 第53-55页 |
| ·论文的主要工作和结论 | 第53-54页 |
| ·进一步的研究工作 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 在学期间的研究成果及发表的学术论文 | 第61页 |
