| 第1章 绪论 | 第1-24页 |
| ·引言 | 第10-11页 |
| ·结构振动控制的研究 | 第11-14页 |
| ·被动控制减振 | 第12-13页 |
| ·主动控制减振 | 第13页 |
| ·半主动控制减振 | 第13-14页 |
| ·智能材料与结构 | 第14-20页 |
| ·智能驱动材料 | 第14-17页 |
| ·智能控制算法 | 第17-20页 |
| ·模糊逻辑控制 | 第19页 |
| ·人工神经网络 | 第19-20页 |
| ·遗传算法 | 第20页 |
| ·钢丝绳减振器在结构减振中的应用 | 第20-22页 |
| ·论文的主要研究内容 | 第22-24页 |
| 第2章 磁流变阻尼器的力学特性分析及建模 | 第24-37页 |
| ·引言 | 第24页 |
| ·磁流变液材料的组成及其流变机理 | 第24-26页 |
| ·磁流变阻尼器的工作原理及其力学模型 | 第26-30页 |
| ·参数变化对磁流变阻尼器性能的影响 | 第30-36页 |
| ·磁流变阻尼器结构的有限元建模 | 第31-32页 |
| ·计算结果 | 第32-35页 |
| ·参数变化对阻尼器特性的影响 | 第35-36页 |
| ·本章小节 | 第36-37页 |
| 第3章 舰用智能减振抗冲元件动力学特性及试验结构形式分析 | 第37-55页 |
| ·引言 | 第37页 |
| ·隔振缓冲装置的动力学分析 | 第37-46页 |
| ·隔振缓冲装置的动力学分析 | 第38-41页 |
| ·积极隔振状态的力学特性分析 | 第38-39页 |
| ·消极隔振(抗冲击)状态的力学特性分析 | 第39-41页 |
| ·隔振缓冲装置的基本设计要求 | 第41-42页 |
| ·结构响应 | 第42-46页 |
| ·简谐激励 | 第43-44页 |
| ·冲击响应 | 第44-46页 |
| ·舰用智能减振抗冲元件动力学特性分析 | 第46-49页 |
| ·力学特性分析 | 第46-47页 |
| ·积极隔振状态的力学特性分析 | 第46-47页 |
| ·消极隔振(抗冲击)状态的力学特性分析 | 第47页 |
| ·结构响应 | 第47-49页 |
| ·简谐激励 | 第47-49页 |
| ·冲击响应 | 第49页 |
| ·计算结果分析 | 第49-51页 |
| ·舰用智能减振抗冲元件试验结构形式分析 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第4章 钢丝绳减振器特性仿真研究 | 第55-68页 |
| ·引言 | 第55页 |
| ·钢丝绳减振器的力学模型分析 | 第55-58页 |
| ·钢丝绳减振器特性仿真研究 | 第58-66页 |
| ·对比试验数据的仿真研究 | 第58-59页 |
| ·钢丝绳减振器仿真研究 | 第59-66页 |
| ·有限元建模 | 第60-61页 |
| ·计算结果 | 第61-65页 |
| ·计算结果分析 | 第65-66页 |
| ·本章小结 | 第66-68页 |
| 第5章 基于神经网络的舰用智能减振抗冲元件振动控制研究 | 第68-100页 |
| ·引言 | 第68页 |
| ·神经网络基本理论 | 第68-76页 |
| ·神经元模型 | 第69-70页 |
| ·神经网络构成及其典型模型 | 第70-72页 |
| ·误差反向传播网络 | 第72-76页 |
| ·系统的神经网络辨识 | 第76-86页 |
| ·基于神经网络的系统辨识 | 第76-77页 |
| ·试验结构系统的辨识 | 第77-86页 |
| ·数学模型的建立及辨识策略 | 第77-79页 |
| ·神经元个数的选择及辨识流程 | 第79-80页 |
| ·辨识结果及分析 | 第80-86页 |
| ·基于神经网络振动控制 | 第86-99页 |
| ·常规PID控制 | 第86-87页 |
| ·神经网络PID振动控制 | 第87-88页 |
| ·仿真计算结果及分析 | 第88-99页 |
| ·隔振状态下的仿真控制结果分析 | 第88-90页 |
| ·抗冲击状态下的仿真控制结果分析 | 第90-99页 |
| ·本章小结 | 第99-100页 |
| 结论 | 第100-103页 |
| 参考文献 | 第103-106页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第106-107页 |
| 致谢 | 第107页 |