| 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 |