結(jié)構(gòu)健康監(jiān)測：理論建模和計(jì)算智能方法

第1章 幾種主要的計(jì)算智能方法概論
1.1 模糊理論
1.1.1 模糊集合論基礎(chǔ)知識
1.1.2 模糊關(guān)系
1.1.3 模糊推理
1.2 基本遺傳算法
1.2.1 遺傳算法的運(yùn)算流程
1.2.2 遺傳算法的編碼
1.2.3 適應(yīng)度函數(shù)
1.2.4 GA的遺傳操作
1.2.5 遺傳算法的控制參數(shù)
1.2.6 約束條件的處理方法
1.3 遺傳規(guī)劃算法
1.3.1 函數(shù)的構(gòu)成及表示
1.3.2 初始群體的生成
1.3.3 GP的遺傳操作
1.3.4 抑制規(guī)模爆炸
1.3.5 GP的控制參數(shù)
1.3.6 遺傳規(guī)劃算法流程
1.4 計(jì)算智能與結(jié)構(gòu)健康監(jiān)測

第2章 FBG軸向非均勻應(yīng)變分布重構(gòu)
2.1 反射譜的計(jì)算方法
2.1.1 非均勻Bragg光柵耦合模方程的龍格庫塔解
2.1.2 非均勻FBG的T矩陣法分析
2.1.3 改進(jìn)的傳輸矩陣法
2.2 非均勻應(yīng)變分布重構(gòu)問題描述與求解思路
2.3 混沌遺傳算法
2.3.1 混沌優(yōu)化
2.3.2 混沌遺傳優(yōu)化算法的構(gòu)建
2.4 基于混沌遺傳算法的非均勻應(yīng)變分布重構(gòu)研究
2.4.1 反射光譜采樣
2.4.2 混沌比例選擇
2.4.3 遺傳算法參數(shù)設(shè)定
2.4.4 重構(gòu)精度指標(biāo)定義
2.4.5 應(yīng)變分布重構(gòu)的算例與結(jié)果分析
2.5 應(yīng)變重構(gòu)精度的影響因素分析
2.5.1 遺傳代數(shù)對應(yīng)變重構(gòu)精度的影響
2.5.2 譜寬對應(yīng)變重構(gòu)精度的影響
2.5.3 譜采樣間隔對應(yīng)變重構(gòu)精度的影響
2.6 基于樣條插值的非均勻應(yīng)變分布重構(gòu)研究
2.7 基于遺傳規(guī)劃的非均勻應(yīng)變分布重構(gòu)算法
2.7.1 非均勻應(yīng)變分布GP重構(gòu)算法流程
2.7.2 遺傳規(guī)劃算法參數(shù)的設(shè)定
2.7.3 非均勻應(yīng)變分布重構(gòu)仿真分析
2.7.4 GP與現(xiàn)有方法應(yīng)變分布重構(gòu)仿真效果的對比
2.8 基于支持向量回歸的反射光譜去噪及應(yīng)變分布重構(gòu)精度研究
2.8.1 反射光譜測量噪聲對重構(gòu)精度的影響
2.8.2 用于反射光譜非線性回歸的支持向量機(jī)
2.8.3 反射光譜降噪回歸
2.8.4 基于支持向量回歸反射光譜的應(yīng)變分布重構(gòu)算例分析
2.9 非均勻應(yīng)變分布重構(gòu)的實(shí)驗(yàn)驗(yàn)證

第3章 結(jié)構(gòu)載荷識別
3.1 壓電智能結(jié)構(gòu)集聚電荷計(jì)算
3.2 RBF神經(jīng)網(wǎng)絡(luò)在復(fù)合材料層合板、殼載荷識別中的應(yīng)用
3.2.1 RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)算法
3.2.2 RBF神經(jīng)網(wǎng)絡(luò)樣本數(shù)據(jù)的獲取
3.2.3 RBF神經(jīng)網(wǎng)絡(luò)載荷識別算例
3.3 基于混合編碼遺傳算法和有限元分析的壓電結(jié)構(gòu)載荷識別
3.3.1 用于結(jié)構(gòu)載荷識別的適應(yīng)度函數(shù)
3.3.2 混合編碼遺傳算法的編碼方式

第4章 復(fù)合材料結(jié)構(gòu)脫層損傷監(jiān)測
第5章 結(jié)構(gòu)多損傷監(jiān)測

附錄 任意四邊形受載單元受載點(diǎn)的等參坐標(biāo)計(jì)算
參考文獻(xiàn)