| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| Chapter 1 Introduction | 第9-20页 |
| ·Research Background of The Subject | 第9页 |
| ·The Origine of the Subject | 第9页 |
| ·What Are Shape Memory Alloys | 第9-10页 |
| ·How Shape Memory Alloys Work | 第10-13页 |
| ·Motivation of The Present Work and Applications of Shape Memory Alloys. | 第13-15页 |
| ·Surgical Tools | 第13页 |
| ·Muscle Wires | 第13-14页 |
| ·Aeronautical Applications | 第14-15页 |
| ·Advantages and Some Problems of Shape Memory Alloys | 第15-17页 |
| ·Advantages of Shape Memory Alloys | 第15-16页 |
| ·Some Problems of Shape Memory Alloys | 第16-17页 |
| ·Hysteresis and Shape Memory Alloys | 第17-19页 |
| ·Hysteresis | 第17页 |
| ·Hysteresis in Shape Memory Alloys | 第17-19页 |
| ·Structure of This Dissertation | 第19-20页 |
| Chapter 2 Using Preisach Model for Identify the Hysteresis in the Shape Momery Alloys | 第20-36页 |
| ·Model Choice | 第20-22页 |
| ·Duhem Model (Analytical Model) | 第20-21页 |
| ·Jiles-Atherton Model (Physical Model) | 第21页 |
| ·Preisach Model (Phenomenological Model) | 第21-22页 |
| ·Introduction of Preisach Model | 第22-23页 |
| ·Geometric Interpretation of Preisach Model | 第23-27页 |
| ·Some Important Properties of Preisach Model | 第27页 |
| ·Wipeing-Out Property | 第27页 |
| ·Congruency Property | 第27页 |
| ·Representation Theorem | 第27页 |
| ·Memory Effect and Memory Matrix of Preisach Model | 第27-28页 |
| ·Definition of Input Memory Matrix | 第27-28页 |
| ·Property of MU | 第28页 |
| ·Numerical Implementation | 第28-32页 |
| ·Experimental Identification and the Problem | 第32-33页 |
| ·Solution to the Identification Problem | 第33-35页 |
| ·Conclusion | 第35-36页 |
| Chapter 3 Using GRBF Neural Network to Learn the Hysteresis in Preisach Model | 第36-45页 |
| ·Employing Artificial Neural Networks | 第36页 |
| ·Types of Neural Networks and the Choice of GRBF Neural Network | 第36-38页 |
| ·Feedforward Neural Network | 第37页 |
| ·Recurrent Network | 第37页 |
| ·Stochastic Neural Network | 第37页 |
| ·Modular Neural Network | 第37-38页 |
| ·Choice of GRBF Neural Network | 第38-39页 |
| ·The GRBF and the Learning Algorithm | 第39-44页 |
| ·GRBF Neural Network Architecture | 第39-40页 |
| ·Variable Grids | 第40-42页 |
| ·Sequential (on-line) Nonliear Identification | 第42-44页 |
| ·Conclusion | 第44-45页 |
| Chapter 4 GRBF NN Applied to The Hysteresis Identification in the SMAs | 第45-55页 |
| ·Batch Training v.s. Online Training | 第45页 |
| ·The Algorithm for Batch Training | 第45-47页 |
| ·How to Train NN Using the Data from FODs | 第47-51页 |
| ·How to use NN for the Preisach Model to Identify | 第51-52页 |
| ·Simulation Results | 第52-54页 |
| ·Conclusion | 第54-55页 |
| Chapter 5 Conclusions and Future Work | 第55-58页 |
| ·Conclusions | 第55-56页 |
| ·Future Work | 第56-58页 |
| References | 第58-62页 |
| 作者在攻读硕士学位期间发表的学术论文及专利 | 第62-63页 |
| Acknowledgements | 第63-64页 |
| 致谢 | 第64页 |
