| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 锚杆锚固系统质量检测发展现状 | 第10-11页 |
| 1.2.2 概率神经网络的发展现状 | 第11-12页 |
| 1.3 课题研究的主要内容 | 第12-14页 |
| 第二章 锚杆锚固系统无损检测试验 | 第14-23页 |
| 2.1 应力波反射法 | 第14-16页 |
| 2.1.1 应力波反射法原理 | 第14-15页 |
| 2.1.2 应力波特性 | 第15-16页 |
| 2.2 锚杆锚固系统质量无损检测试验设计 | 第16-22页 |
| 2.2.1 锚杆无损检测试验原理 | 第16页 |
| 2.2.2 锚杆锚固系统试件模型 | 第16-18页 |
| 2.2.3 测试仪器 | 第18-21页 |
| 2.2.4 测试方法 | 第21-22页 |
| 2.3 小结 | 第22-23页 |
| 第三章 锚杆锚固系统动测信号处理 | 第23-35页 |
| 3.1 频响函数 | 第23-28页 |
| 3.1.1 频响函数的概念 | 第23-24页 |
| 3.1.2 锚杆锚固系统频响函数的测量 | 第24-25页 |
| 3.1.3 频响函数的质量评价 | 第25-28页 |
| 3.2 主元分析法 | 第28-34页 |
| 3.2.1 主元分析的基本思想 | 第28-29页 |
| 3.2.2 主元分析的基本原理 | 第29-31页 |
| 3.2.3 主元的基本特性 | 第31-32页 |
| 3.2.4 选取主元个数 | 第32页 |
| 3.2.5 对实测数据提取主元 | 第32-34页 |
| 3.3 小结 | 第34-35页 |
| 第四章 基于PNN对锚杆锚固系统的损伤识别 | 第35-51页 |
| 4.1 人工神经网络 | 第35-37页 |
| 4.1.1 人工神经网络概述 | 第35页 |
| 4.1.2 神经网络在结构损伤检测中的应用 | 第35-36页 |
| 4.1.3 神经网络的结构及学习方法 | 第36页 |
| 4.1.4 人工神经网络学习方式 | 第36-37页 |
| 4.2 概率神经网络 | 第37-45页 |
| 4.2.1 PNN的理论基础 | 第37-41页 |
| 4.2.2 PNN的数学描述 | 第41-42页 |
| 4.2.3 PNN的结构及学习算法 | 第42-45页 |
| 4.3 基于概率神经网络的锚杆无损检测 | 第45-50页 |
| 4.3.1 PNN的损伤识别模型 | 第45-48页 |
| 4.3.2 PNN对锚杆的损伤识别与分析 | 第48-50页 |
| 4.4 小结 | 第50-51页 |
| 第五章 改进PSO-PNN对锚杆锚固系统的无损检测 | 第51-72页 |
| 5.1 群体智能算法 | 第51-52页 |
| 5.1.1 群智能算法定义 | 第51页 |
| 5.1.2 群智能算法特点 | 第51-52页 |
| 5.2 粒子群算法 | 第52-55页 |
| 5.2.1 PSO起源 | 第52-53页 |
| 5.2.2 PSO原理 | 第53-55页 |
| 5.2.3 PSO特点 | 第55页 |
| 5.3 基于PSO优化PNN参数 | 第55-57页 |
| 5.4 改进粒子群算法 | 第57-65页 |
| 5.4.1 PSO局限性 | 第57-58页 |
| 5.4.2 优化PSO越界问题 | 第58-60页 |
| 5.4.3 动态调整PSO学习参数 | 第60-64页 |
| 5.4.4 结合GA优化PSO | 第64-65页 |
| 5.5 仿真实验 | 第65-69页 |
| 5.6 改进PSO-PNN对锚杆锚固系统损伤识别与分析 | 第69-71页 |
| 5.7 小结 | 第71-72页 |
| 第六章 结论与展望 | 第72-74页 |
| 6.1 结论 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 个人简介、在学校期间的研究成果及发表的学术论文 | 第79页 |