首页--数理科学和化学论文--力学论文--固体力学论文--强度理论论文--损伤理论论文

压电智能层合结构损伤识别方法的研究

摘要第1-5页
Abstract第5-11页
第一章 绪论第11-19页
   ·研究背景和选题依据第11-12页
   ·智能材料结构损伤识别问题描述第12-13页
     ·健康监测系统的组成第12页
     ·结构动力特性的损伤识别方法第12-13页
   ·国内外研究概况第13-18页
     ·智能材料结构应变传感测量技术方法第13-14页
     ·结构损伤识别方法的国内外研究现状第14-16页
     ·智能结构健康监测系统现状第16-17页
     ·智能结构健康监测系统发展趋势第17-18页
   ·论文研究内容第18-19页
第二章 结构损伤识别方法分类第19-38页
   ·引言第19页
   ·模态参数识别方法第19-33页
     ·基于结构固有频率的损伤识别方法第19-21页
     ·基于结构振型的损伤识别方法第21-30页
       ·振型直接法第21-22页
       ·基于柔度矩阵的损伤识别第22-24页
       ·应变模态法第24-28页
       ·模态曲率法第28-29页
       ·基于模态振型的损伤识别方法小结第29-30页
     ·基于频响函数的损伤识别方法第30-31页
     ·基于能量变化的损伤识别方法第31-33页
   ·智能损伤识别方法第33-36页
     ·基于神经网络的损伤识别方法第33-35页
     ·基于小波分析的损伤识别方法第35-36页
     ·基于遗传算法的损伤识别方法第36页
   ·小结第36-38页
第三章 基于应变模态的复合材料层合板的损伤识别第38-63页
   ·引言第38页
   ·压电智能结构的应变传感原理第38-41页
     ·压电应变传感检测原理第38-40页
     ·压电智能结构的激励监测系统第40-41页
   ·基于应变模态的分析方法第41-43页
     ·应变模态变化差和应变模态变化率第41页
     ·应变模态与选取分析单元的关系第41-42页
     ·应变模态差分曲线法第42-43页
   ·压电层合板算例分析第43-62页
     ·复合材料层合板有限元模型第43-45页
     ·损伤分析模型第45页
     ·损伤存在识别第45-49页
       ·基于固有频率的损伤识别第46页
       ·基于位移模态和应变模态的损伤识别第46-49页
     ·基于应变模态的损伤定位识别第49-53页
       ·单点损伤定位识别第49-51页
       ·多点损伤定位识别第51-53页
     ·损伤程度识别第53-59页
       ·单点损伤程度识别第53-56页
       ·多点损伤程度识别第56-59页
     ·损伤识别与选取分析单元关系分析第59-62页
   ·小结第62-63页
第四章 基于 BP 神经网络的复合材料层合板的损伤识别第63-80页
   ·引言第63-64页
   ·神经网络介绍第64-70页
     ·BP 神经网络第64-68页
       ·BP 神经网络结构与 BP 算法第64-65页
       ·BP 神经网络学习算法第65-67页
       ·BP 神经网络训练流程第67-68页
     ·RBF 神经网络第68-70页
       ·RBF 神经网络结构与算法第68页
       ·RBF 神经网络的学习算法第68-70页
     ·BP 神经网络与 RBF 神经网络的对比第70页
   ·基于 BP 神经网络的复合材料层合板损伤定位与损伤程度识别第70-79页
     ·问题的描述第70页
     ·BP 神经网络的模型第70-72页
       ·输入、输出向量第70-72页
       ·网络设计第72页
     ·BP 神经网络数值模拟结果与分析第72-77页
     ·RBF 神经网络模型及数值结果与分析第77-79页
     ·BP 神经网络与 RBF 神经网络对比分析第79页
   ·小结第79-80页
第五章 全文总结与展望第80-82页
   ·总结第80-81页
   ·展望第81-82页
参考文献第82-88页
致谢第88-89页
攻读硕士学位期间发表的学术论文第89页

论文共89页,点击 下载论文
上一篇:基于RTX的风洞虚拟飞行试验数据采集与控制系统研究
下一篇:可压缩多介质流动问题的流体混合型方法