基于神经网络的EMI结构健康监测及损伤检测研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-28页 |
| ·课题概述 | 第8-11页 |
| ·课题来源 | 第8页 |
| ·课题的背景及意义 | 第8-11页 |
| ·结构健康监测系统的组成 | 第11-13页 |
| ·基于振动测试的结构损伤检测的研究现状 | 第13-17页 |
| ·基于压电阻抗法的结构损伤检测的研究现状 | 第17-19页 |
| ·基于计算智能的结构损伤检测的研究现状 | 第19-27页 |
| ·基于单一智能方法的结构损伤检测 | 第19-25页 |
| ·基于混合智能方法的结构损伤检测 | 第25-27页 |
| ·本文研究主要内容 | 第27-28页 |
| 第二章 EMI技术损伤检测的基本理论与应用 | 第28-54页 |
| ·智能材料与智能材料结构 | 第28-32页 |
| ·智能材料 | 第28-30页 |
| ·智能材料结构 | 第30-32页 |
| ·压电效应与压电方程 | 第32-39页 |
| ·压电效应 | 第32-34页 |
| ·压电方程 | 第34-37页 |
| ·压电材料的主要性能参数 | 第37-39页 |
| ·耦合电阻抗分析 | 第39-48页 |
| ·PZT驱动系统的响应分析 | 第39-42页 |
| ·耦合电阻抗分析 | 第42-46页 |
| ·PZT的动态输出特性及与结构相互作用力 | 第46-47页 |
| ·EMI技术的检测原理 | 第47-48页 |
| ·试验示例 | 第48-53页 |
| ·试验目的 | 第49页 |
| ·试验设备 | 第49页 |
| ·试验方法 | 第49-50页 |
| ·试验结果 | 第50-51页 |
| ·损伤判别指标及评价方式 | 第51-53页 |
| ·试验结论 | 第53页 |
| ·本章小结 | 第53-54页 |
| 第三章 神经网络理论及其在结构损伤检测中的应用 | 第54-71页 |
| ·神经网络基本理论 | 第54-60页 |
| ·神经元模型 | 第54-55页 |
| ·神经元传递函数 | 第55-56页 |
| ·神经网络的学习算法 | 第56-58页 |
| ·神经网络的模型 | 第58-59页 |
| ·神经网络的基本特性 | 第59-60页 |
| ·BP神经网络 | 第60-65页 |
| ·BP网络模型 | 第60-62页 |
| ·误差反向传播BP算法 | 第62-63页 |
| ·BP网络的设计 | 第63-65页 |
| ·神经网络在结构损伤识别中的应用 | 第65-68页 |
| ·神经网络应用于结构损伤识别的因素及过程 | 第65-66页 |
| ·神经网络的损伤检测能力的基本原理 | 第66-68页 |
| ·悬臂梁损伤识别的仿真算例 | 第68-70页 |
| ·悬臂梁的网格划分 | 第68页 |
| ·解析模态分析 | 第68-69页 |
| ·BP网络的损伤定位 | 第69-70页 |
| ·算例结论 | 第70页 |
| ·本章小结 | 第70-71页 |
| 第四章 基于神经网络的EMI结构损伤识别 | 第71-76页 |
| ·引言 | 第71页 |
| ·试验示例 | 第71-72页 |
| ·神经网络模型的建立、训练、验证与测试 | 第72-75页 |
| ·网络的建立、训练和验证 | 第73-74页 |
| ·网络的测试 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| ·总结 | 第76页 |
| ·展望 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 攻读学位期间主要的研究成果 | 第83-84页 |
| 致谢 | 第84页 |
