首页--工业技术论文--一般工业技术论文--工程材料学论文--智能材料论文

压电智能结构损伤检测及其传感器优化配置的研究

摘要第1-5页
Abstract第5-10页
第一章 绪论第10-23页
   ·智能材料结构的概念第10-11页
   ·智能结构的研究概况第11-12页
   ·智能结构的基本组成第12-14页
     ·智能结构传感元件第13页
     ·智能结构驱动元件第13页
     ·智能结构控制系统第13-14页
   ·关于智能复合材料结构第14-17页
     ·智能复合材料结构的产生与发展第14-15页
     ·智能复合材料结构的特点第15-17页
   ·智能结构损伤检测方法与技术第17-19页
     ·结构损伤检测及其方法概述第17页
     ·智能损伤检测技术第17-19页
   ·智能结构传感器的优化配置第19-21页
     ·传感器优化配置的意义第19-20页
     ·传感器优化配置的方法第20-21页
     ·基于损伤检测的传感器优化配置第21页
   ·论文研究任务第21-23页
第二章 压电智能复合材料层板冲击压电响应分析第23-38页
   ·引言第23-24页
   ·压电复合材料层板力学模型第24-30页
     ·几何方程第24-26页
     ·物理方程第26-27页
     ·运动方程第27-30页
   ·压电响应方程第30-32页
     ·机电耦合方程第30-31页
     ·传感器方程第31-32页
   ·冲击压电响应有限元数值仿真第32-37页
     ·仿真实例描述第33-34页
     ·有限元数值建模第34-35页
     ·有限元仿真结果第35-37页
   ·本章小结第37-38页
第三章 支持向量机及其在智能结构损伤检测中的应用第38-58页
   ·引言第38-39页
   ·机器学习的基本问题第39-41页
     ·问题的表示第39-40页
     ·经验风险最小化原则第40页
     ·复杂性与推广能力第40-41页
   ·统计学习理论第41-43页
     ·VC维第41页
     ·推广性的界第41-42页
     ·结构风险最小化原则第42-43页
   ·支持向量机第43-51页
     ·最优超平面第43-46页
     ·支持向量机第46-47页
     ·核函数第47-48页
     ·支持向量机的不同形式第48-51页
   ·最小二乘支持向量机回归原理第51-52页
   ·基于最小二乘支持向量机的智能结构损伤检测第52-57页
     ·问题的描述第52-54页
     ·LS-SVM调整参数的优化及其检测结果第54-55页
     ·LS-SVM与BP网络的比较第55-57页
   ·本章小结第57-58页
第四章 智能结构损伤检测传感器优化配置的遗传神经网络方法第58-89页
   ·引言第58页
   ·遗传算法第58-67页
     ·遗传算法的基本思想第59-60页
     ·遗传算法的特点第60-61页
     ·遗传算法的数学基础第61-64页
     ·遗传算法的实现技术第64-67页
   ·基于损伤检测的传感器优化配置的遗传神经网络方法第67-79页
     ·遗传神经网络方法的提出第67-68页
     ·遗传神经网络方法的实现第68-75页
     ·遗传神经网络方法的可行性分析第75-79页
   ·遗传神经网络方法的试验分析第79-88页
     ·损伤主动监测系统第79-80页
     ·层板压电响应信号的PSM特征提取第80-86页
     ·遗传神经网络方法的实施与分析第86-88页
   ·本章小结第88-89页
第五章 机翼盒段试验件压电传感器的优化配置第89-102页
   ·引言第89页
   ·机翼盒段试验件描述第89-92页
   ·试验件冲击压电响应数值仿真第92-97页
   ·基于遗传神经网络的试验件传感器的优化配置第97-101页
   ·本章小结第101-102页
第六章 总结与展望第102-106页
   ·总结第102-104页
   ·展望第104-106页
参考文献第106-118页
致谢第118-119页
攻读博士学位期间发表的论文第119页

论文共119页,点击 下载论文
上一篇:一种软件项目管理系统中基于多版本的DFD编辑器的研究
下一篇:中国上市公司治理水平对公司业绩及价值影响的实证研究