结构损伤远程监测系统的研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| 1．1 研究课题的提出 | 第9-10页 |
| 1．2 课题研究的现状 | 第10-11页 |
| 1．3 课题研究的内容 | 第11-12页 |
| 1．4 论文的结构组织 | 第12-14页 |
| 第2章 结构损伤远程监测系统总体设计研究 | 第14-22页 |
| 2．1 传感器系统 | 第14-17页 |
| 2．1．1 传感器系统功能 | 第14-15页 |
| 2．1．2 传感器系统设计 | 第15-17页 |
| 2．1．2．1 传感器材料 | 第15页 |
| 2．1．2．2 传感器系统结构 | 第15-17页 |
| 2．1．3 传感器系统的关键问题 | 第17页 |
| 2．2 本地处理器 | 第17-21页 |
| 2．2．1 本地处理器功能 | 第17页 |
| 2．2．2 本地处理器设计 | 第17-18页 |
| 2．2．3 本地处理器关键问题 | 第18-21页 |
| 2．2．3．1 损伤识别算法 | 第18页 |
| 2．2．3．2 无线传输协议 | 第18-21页 |
| 2．3 中央监控设备 | 第21页 |
| 2．4 本章小结 | 第21-22页 |
| 第3章 结构损伤远程监测系统中的损伤识别技术研究 | 第22-43页 |
| 3．1 结构损伤识别在健康监控系统中的位置 | 第22-23页 |
| 3．2 结构损伤识别的主要方法 | 第23-27页 |
| 3．2．1 模态参数识别法 | 第24-26页 |
| 3．2．2 模型修正法与系统识别法 | 第26页 |
| 3．2．3 神经网络方法 | 第26-27页 |
| 3．3 神经网络概述 | 第27-34页 |
| 3．3．1 神经网络的定义及发展历程 | 第27-28页 |
| 3．3．2 神经网络模型分类 | 第28-29页 |
| 3．3．3 神经网络的特性 | 第29页 |
| 3．3．4 BP神经网络模型 | 第29-32页 |
| 3．3．4．1 BP网络的结构模型 | 第29-30页 |
| 3．3．4．2 网络训练过程 | 第30-32页 |
| 3．3．5 RBF网络模型 | 第32-34页 |
| 3．3．5．1 RBF神经网络的结构模型 | 第32页 |
| 3．3．5．2 网络训练过程 | 第32-34页 |
| 3．4 神经网络方法在结构损伤检测与识别中的应用 | 第34-40页 |
| 3．4．1 基于神经网络的结构损伤识别的基本方法 | 第34-35页 |
| 3．4．2 神经网络在单处板结构损伤识别中的应用 | 第35-38页 |
| 3．4．2．1 样本获取 | 第36页 |
| 3．4．2．2 网络参数选择 | 第36页 |
| 3．4．2．3 识别结果分析 | 第36-38页 |
| 3．4．3 神经网络在多处梁结构损伤识别中的应用 | 第38-40页 |
| 3．4．4．1 样本获取 | 第39页 |
| 3．4．4．2 网络参数选择 | 第39-40页 |
| 3．4．4．3 识别结果分析 | 第40页 |
| 3．5 网络性能比较分析 | 第40-42页 |
| 3．6 本章小结 | 第42-43页 |
| 第4章 结构损伤远程识别系统的实现 | 第43-54页 |
| 4．1 技术方案选择 | 第43-44页 |
| 4．1．1 服务器端扩展 | 第43-44页 |
| 4．1．2 客户端扩展 | 第44页 |
| 4．2 系统的实现 | 第44-52页 |
| 4．2．1 系统结构简介 | 第44-46页 |
| 4．2．2 编写神经网络程序 | 第46页 |
| 4．2．3 编写Applet | 第46-47页 |
| 4．2．4 生成．c代码 | 第47-48页 |
| 4．2．5 生成．dll文件 | 第48-49页 |
| 4．2．6 进行数字签名 | 第49-50页 |
| 4．2．7 得到可执行系统 | 第50-52页 |
| 4．3 本章小结 | 第52-54页 |
| 第5章 总结与展望 | 第54-57页 |
| 5．1 总结 | 第54-55页 |
| 5．2 展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 硕士在学期间发表的论文 | 第61-62页 |
| 致谢 | 第62页 |
