計算智能技術(shù)及其工程應(yīng)用

前言
第1章　緒論
　1.1　計算智能技術(shù)的發(fā)展概況
　1.2　計算智能技術(shù)在機(jī)械加工領(lǐng)域的應(yīng)用狀況
　1.3　計算智能在可靠性優(yōu)化設(shè)計中的應(yīng)用狀況
　1.4　計算智能在結(jié)構(gòu)損傷識別中的應(yīng)用狀況
　參考文獻(xiàn)
第2章　相關(guān)的計算智能基本理論
　2.1　人工神經(jīng)網(wǎng)絡(luò)
　2.2　小波神經(jīng)網(wǎng)絡(luò)
　2.3　神經(jīng)網(wǎng)絡(luò)集成
　2.4　模糊數(shù)學(xué)
　2.5　粒子群算法
　2.6　支持向量機(jī)
　參考文獻(xiàn)
第一部分　基于計算智能技術(shù)的疊層材料變參數(shù)振動鉆削實驗研究
　第3章　小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與改進(jìn)算法
　　3.1　引言
　　3.2　小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
　　3.3　樣本的組織及網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
　　3.4　基于灰色關(guān)聯(lián)分析的輸入?yún)?shù)選取
　　3.5　小波神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)策略
　　3.6　基于局部學(xué)習(xí)的小波神經(jīng)網(wǎng)絡(luò)共軛梯度算法
　　3.7　改進(jìn)算法（LCG）性能分析
　　參考文獻(xiàn)
　第4章　基于小波神經(jīng)網(wǎng)絡(luò)的變參數(shù)振動鉆削實驗研究
　　4.1　變參數(shù)振動鉆削實驗
　　4.2　基于小波神經(jīng)網(wǎng)絡(luò)的振動鉆削過程仿真
　　4.3　參數(shù)優(yōu)化
　　4.4　基于小波神經(jīng)網(wǎng)絡(luò)的振動鉆削質(zhì)量預(yù)報及分析
　　參考文獻(xiàn)
第二部分　基于計算智能技術(shù)的結(jié)構(gòu)可靠性優(yōu)化設(shè)計研究
　第5章　結(jié)構(gòu)可靠性優(yōu)化設(shè)計基本理論及其發(fā)展現(xiàn)狀
　　5.1　可靠性分析的基本理論
　　5.2　機(jī)械零部件的可靠性優(yōu)化設(shè)計模型
　　5.3　可靠性優(yōu)化設(shè)計研究的發(fā)展現(xiàn)狀
　　5.4　穩(wěn)健設(shè)計研究的現(xiàn)狀與進(jìn)展
　　參考文獻(xiàn)
　第6章　基于小波神經(jīng)網(wǎng)絡(luò)的可靠性優(yōu)化設(shè)計
　　6.1　引言
　　6.2　可靠性分析的隨機(jī)攝動法及Edgeworth級數(shù)方法
　　6.3　基于局部學(xué)習(xí)策略的小波神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)可靠性優(yōu)化設(shè)計仿真的性能比較
　　6.4　小波神經(jīng)網(wǎng)絡(luò)的逆映射
　　6.5　引入懲罰函數(shù)的粒子群算法
　　6.6　結(jié)構(gòu)系統(tǒng)的可靠性優(yōu)化設(shè)計方法
　　6.7　數(shù)值算例
　　6.8　小結(jié)
　　參考文獻(xiàn)
　第7章　基于模糊粒子群算法的可靠性穩(wěn)健優(yōu)化設(shè)計
　　7.1　引言
　　7.2　可靠性穩(wěn)健優(yōu)化設(shè)計模型
　　7.3　基于模糊的多目標(biāo)粒子群算法
　　7.4　基于模糊粒子群算法的汽車半軸的可靠性穩(wěn)健優(yōu)化設(shè)計
　　7.5　基于模糊粒子群算法的前軸的可靠性穩(wěn)健優(yōu)化設(shè)計
　　7.6　基于模糊粒子群算法的后橋的可靠性穩(wěn)健優(yōu)化設(shè)計
　　7.7　基于模糊粒子群算法的拉桿的可靠性穩(wěn)健設(shè)計
　　7.8　小結(jié)
　　參考文獻(xiàn)
　第8章　基于灰色粒子群算法的可靠性穩(wěn)健優(yōu)化設(shè)計
　　8.1　引言
　　8.2　灰色粒子群算法優(yōu)化策略
　　8.3　基于灰色粒子群算法的扭桿的可靠性穩(wěn)健優(yōu)化設(shè)計
　　8.4　基于灰色粒子群算法的螺旋彈簧的可靠性穩(wěn)健優(yōu)化設(shè)計
　　8.5　基于灰色粒子群算法的鋼板彈簧的可靠性穩(wěn)健設(shè)計
　　8.6　基于灰色粒子群算法的前軸的可靠性穩(wěn)健優(yōu)化設(shè)計
　　8.7　基于灰色粒子群算法的后橋的可靠性穩(wěn)健優(yōu)化設(shè)計
　　8.8　小結(jié)
　　參考文獻(xiàn)
第三部分　基于計算智能技術(shù)的橋梁結(jié)構(gòu)損傷識別研究
　第9章　結(jié)構(gòu)損傷識別方法及其發(fā)展?fàn)顩r
　　9.1　引言
　　9.2　基于動力特性的結(jié)構(gòu)損傷識別方法
　　9.3　基于模型修正的損傷識別方法
　　9.4　損傷結(jié)構(gòu)動力的有限元模型
　　9.5　橋梁結(jié)構(gòu)損傷識別研究的現(xiàn)狀與發(fā)展
　　參考文獻(xiàn)
　第10章　基于粒子群算法的橋梁結(jié)構(gòu)可靠性穩(wěn)健優(yōu)化設(shè)計與損傷識別研究
　　10.1　引言
　　10.2　多目標(biāo)優(yōu)化問題
　　10.3　基于灰色粒子群算法的鋼筋混凝土簡支梁的可靠性穩(wěn)健優(yōu)化設(shè)計
　　10.4　基于粒子群算法和殘余力向量的結(jié)構(gòu)損傷識別
　　10.5　小結(jié)
　　參考文獻(xiàn)
　第11章　基于支持向量機(jī)和粒子群算法的橋梁結(jié)構(gòu)損傷識別研究
　　11.1　引言
　　11.2　基于支持向量機(jī)和粒子群算法的結(jié)構(gòu)損傷識別方法
　　11.3　簡支梁橋的損傷識別
　　11.4　小結(jié)
　　參考文獻(xiàn)
　第12章　基于神經(jīng)網(wǎng)絡(luò)的橋梁結(jié)構(gòu)損傷識別
　　12.1　引言
　　12.2　基于小波神經(jīng)網(wǎng)絡(luò)的橋梁結(jié)構(gòu)損傷識別
　　12.3　基于灰色聚類神經(jīng)網(wǎng)絡(luò)集成的損傷識別方法
　　12.4　小結(jié)
　　參考文獻(xiàn)