光纤智能结构的粒度计算方法研究

论文摘要

粒度计算是软计算科学中的重要分支,是一种计算智能系统的新方法。粒度计算是正在发展起来的一种计算方法,它与人脑相对应,具有在不确定及不精确环境中进行推理和学习的卓越能力。由于所处环境的不确定性与时变性,加之智能结构本身是一个复杂系统,既有表现为确定性数量的数据信息,又有用自然语言描述的模糊信息,因此要求控制器应具有高度的智能化,具有一定的鲁棒性和学习功能。所以粒度计算方法是适应智能结构控制器的智能化控制要求的。粒度计算作为一种创建计算智能系统的新颖方法,正在引起人们的关注。我们认识到,复杂的实际问题如对智能结构的监测,需要智能系统对各种各样不同来源的知识、技术和方法进行组合。设计这类智能系统的核心就是粒度计算。讨论了粒度计算方法在光纤智能结构监测中的应用,主要进行了下面一些相关研究:第一,对于当前的聚类方法进行简单分析讨论,然后针对多数聚类算法只能单独处理数值特征数据或者类属特征数据,而不能分析具有两种混合属性数据的问题,基于信息粒度给出了粗糙集理论框架下的聚类算法。第二,将粒度计算运用到结构的状态评估中,分别引入字符型颗粒和数字型颗粒来定量描述智能结构中的字符特征和数字特征。最后综合两种特征给出更趋合理的状态评估输出。最后,在光纤智能夹层的实验数据处理中验证了粒度计算方法的可行性和高效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 光纤智能结构
• 1.2.1 光纤智能结构研究概况
• 1.2.2 智能结构中的信息处理方法
• 1.3 粒度计算的发展和研究现状
• 1.4 本文的主要内容及组织结构
• 1.4.1 本文的主要内容
• 1.4.2 本文的组织结构
• 第二章 粒度计算理论与方法概述
• 2.1 粒度计算概述
• 2.1.1 信息颗粒
• 2.1.2 粒度计算
• 2.2 粗糙集理论模型适用于智能结构
• 2.2.1 粗糙集理论概述
• 2.2.2 粗糙集模型与其他2 种模型之间的比较
• 2.3 本章小节
• 第三章 基于粒度计算和粗糙集的聚类算法
• 3.1 基于粒度计算和粗糙集聚类算法概述
• 3.1.1 算法原理
• 3.1.2 聚类操作的步骤
• 3.2 利用聚类方法分析仿真数据
• 3.2.1 仿真模型
• 3.2.2 计算过程
• 3.2.3 结果分析
• 3.3 本章小节
• 第四章 粗糙集粒度计算方法在结构状态评估上的应用
• 4.1 特征选择与形成论域
• 4.1.1 试件介绍
• 4.1.2 F－P 传感器简介
• 4.1.3 论域的形成
• 4.2 数据计算过程
• 4.3 结果分析
• 4.4 本章小结
• 第五章 粗糙集粒度计算方法在光纤智能夹层上的应用
• 5.1 光纤智能夹层简介
• 5.1.1 Bragg 光栅传感器工作原理
• 5.1.2 数据来源
• 5.2 实验数据处理
• 5.2.1 合并相似加载项
• 5.2.1.1 计算过程
• 5.2.1.2 结果分析
• 5.2.2 推断传感器探测敏感范围
• 5.2.2.1 计算过程
• 5.2.2.2 结果分析
• 5.3 本章小结
• 第六章 结论与展望
• 6.1 研究结论
• 6.2 下一步的工作建议及展望
• 参考文献
• 致谢
• 硕士期间研究成果及发表论文