智能结构是一种能感知周围环境变化,并能针对这种变化做出适当反应的自感知─自适应结构。智能结构的发展引发了许多的研究领域,智能结构载荷识别就是其中之一。首先,本文提出将有限元与径向基函数(Radial Base Function,简记为RBF)神经网络相结合,利用有限元分析法模拟板、壳结构承受不同大小和不同位置的集中载荷的情况下的电荷响应,将计算得到的电荷值进行归一化后作为神经网路的训练样本,通过RBF神经网络技术实现对结构载荷的大小和位置的识别。RBF神经网络具有较强的输入、输出映射功能,在模式识别和函数逼近等方面具有广泛应用。它的突出特点是隐含层神经元的数目在应用之前不需要确定,在本文提出的训练算法的学习下可以自动生成最优化的隐含层神经元数目。另外,本文还提出将有限元与遗传算法(Genetic Algorithm)相结合,利用有限元分析法计算板、壳结构承受集中载荷的电荷响应,构造适应度函数,再通过遗传算法完成载荷大小和位置的识别。遗传算法是借鉴生物的自然选择和遗传进化机制而开发出的一种全局优化自适应概率搜索算法,它通过对当前群体施加选择、交叉、变异等一系列遗传操作,产生出新一代的群体,并逐步使群体进化到包含或接近最优解的状态。在对结构进行有限元分析时,本文采用加强假定应变法(EAS: enhanced assumed strain),建立了耦合场作用下的板、壳力学性能分析的固体壳单元。该单元既可用做实体单元,又可模拟薄曲壳结构,在厚跨比非常小的情况下也能获得令人满意的精度。