基于QPSO算法的结构参数识别研究
| 学位论文答辩委员会名单 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-23页 |
| ·引言 | 第11-12页 |
| ·参数识别研究现状 | 第12-21页 |
| ·结构物理参数识别 | 第13-15页 |
| ·结构模态参数识别 | 第15-19页 |
| ·智能算法在结构参数识别中的应用 | 第19-20页 |
| ·QPSO 研究现状 | 第20-21页 |
| ·本文研究内容 | 第21-23页 |
| 第二章 量子行为粒子群优化（QPSO）算法 | 第23-33页 |
| ·引言 | 第23页 |
| ·粒子群优化算法 | 第23-27页 |
| ·基本 PSO 算法 | 第23-25页 |
| ·标准 PSO 算法 | 第25-26页 |
| ·标准 PSO 算法的基本计算流程图 | 第26-27页 |
| ·量子行为粒子群优化（QPSO）算法 | 第27-32页 |
| ·引入δ 势阱 | 第27-28页 |
| ·QPSO 算法的进化方程 | 第28-30页 |
| ·QPSO 算法流程 | 第30-32页 |
| ·对比 QPSO 算法与 PSO 算法 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第三章 QPSO 算法识别结构物理参数 | 第33-42页 |
| ·引言 | 第33页 |
| ·结构物理参数时域识别方法 | 第33-34页 |
| ·基本原理 | 第33-34页 |
| ·识别算法 | 第34页 |
| ·QPSO 算法识别结构物理参数原理 | 第34-37页 |
| ·物理参数识别问题的转化 | 第35-36页 |
| ·物理参数识别步骤 | 第36-37页 |
| ·数值模拟 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 QPSO 算法识别已知激励下结构模态参数 | 第42-65页 |
| ·引言 | 第42页 |
| ·基本原理 | 第42-44页 |
| ·确定目标函数 | 第42-43页 |
| ·QPSO 算法识别模态参的数基本原理 | 第43-44页 |
| ·QPSO 识别已知激励下结构模态参数的计算流程 | 第44页 |
| ·数值模拟 | 第44-63页 |
| ·激励信号的产生 | 第44-46页 |
| ·六层剪切型框架结构的模态参数识别 | 第46-57页 |
| ·简支梁结构模型的模态参数识别 | 第57-63页 |
| ·本章小结 | 第63-65页 |
| 第五章 QPSO 算法识别环境激励下结构模态参数 | 第65-95页 |
| ·引言 | 第65页 |
| ·基本理论 | 第65-68页 |
| ·功率谱密度函数 | 第65-66页 |
| ·功率谱识别模态参数 | 第66-68页 |
| ·问题转化 | 第68页 |
| ·计算流程 | 第68-69页 |
| ·数值模拟 | 第69-94页 |
| ·六层框架模型 | 第69-77页 |
| ·简支梁模型 | 第77-86页 |
| ·三跨连续梁模型 | 第86-94页 |
| ·本章小结 | 第94-95页 |
| 第六章 结论与展望 | 第95-97页 |
| ·本文主要结论 | 第95-96页 |
| ·研究前景与展望 | 第96-97页 |
| 参考文献 | 第97-106页 |
| 致谢 | 第106-107页 |
| 个人简历 | 第107页 |
