| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·前言 | 第10-11页 |
| ·结构抗震试验方法 | 第11-13页 |
| ·拟静力试验方法 | 第11页 |
| ·拟动力试验方法 | 第11-12页 |
| ·地震模拟振动台试验方法 | 第12-13页 |
| ·地震模拟振动台发展动态 | 第13-15页 |
| ·混合模拟试验方法 | 第14页 |
| ·台阵试验 | 第14-15页 |
| ·介入新的控制技术 | 第15页 |
| ·本课题的研究背景 | 第15-16页 |
| ·本论文主要研究内容 | 第16页 |
| ·本论文的章节安排 | 第16-18页 |
| 第2章 地震模拟振动台原理 | 第18-29页 |
| ·电液伺服地震模拟振动台设备构成与工作原理 | 第18-20页 |
| ·系统性能参数 | 第18页 |
| ·电液伺服地震模拟振动台设备构成 | 第18-20页 |
| ·电液伺服地震模拟振动台的工作原理 | 第20页 |
| ·电液伺服地震模拟振动台的数学模型 | 第20-24页 |
| ·MTS电液伺服控制系统补偿器的影响 | 第24-25页 |
| ·电液伺服地震模拟振动台控制系统的特性及设计要求 | 第25-26页 |
| ·MTS软件的二次开发接口 | 第26-28页 |
| ·小结 | 第28-29页 |
| 第3章 RBF神经网络多参量控制 | 第29-44页 |
| ·引言 | 第29-30页 |
| ·RBF神经网络 | 第30-32页 |
| ·网络结构 | 第30-31页 |
| ·传递函数 | 第31页 |
| ·学习算法 | 第31-32页 |
| ·外闭环神经网络设计 | 第32-36页 |
| ·单神经元设计 | 第32-33页 |
| ·辨识网络学习算法设计 | 第33-36页 |
| ·外闭环控制方法 | 第36-37页 |
| ·地震模拟振动台双闭环构成 | 第36-37页 |
| ·基于RBF辨识的单神经元调整PID参数的控制算法过程 | 第37页 |
| ·RBF辨识网络和单神经元的训练过程及试验探索 | 第37-44页 |
| ·训练网络过程 | 第37-38页 |
| ·试验验证 | 第38-44页 |
| 第4章 改进的RBF网络在线学习 | 第44-51页 |
| ·引言 | 第44页 |
| ·RBF神经网络的在线学习算法 | 第44-47页 |
| ·新隐层节点的添加 | 第45页 |
| ·已有中心、权值的调整 | 第45-46页 |
| ·删除影响较小的隐层节点 | 第46-47页 |
| ·RBF神经网络的在线迭代试验验证 | 第47-50页 |
| ·小结 | 第50-51页 |
| 第5章 遗传算法-神经网络智能PID控制 | 第51-63页 |
| ·控制系统结构 | 第51-52页 |
| ·遗传算法优化系统参数 | 第52-55页 |
| ·遗传算法 | 第52-53页 |
| ·遗传算法设计 | 第53-55页 |
| ·BP智能控制网络 | 第55-58页 |
| ·BP神经网络 | 第55-57页 |
| ·BP神经网络结构与算法的设计 | 第57-58页 |
| ·神经网络训练过程 | 第58-60页 |
| ·试验验证 | 第60-62页 |
| ·小结 | 第62-63页 |
| 结论和展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读硕士学位期间参与的科研项目 | 第70页 |