材料是人类赖以生存和发展的物质基础,随着人类社会的不断进步,各行各业对材料提出了越来越苛刻的要求。然而任何一种新材料的出现,在它们能够安全广泛地得到应用之前,必须发展相应的检测技术,以及了解、掌握材料本身的特性。因此,对材料波动特性、力学性能的研究和相应的检测、反演材料特性的新技术成为这一新材料能否有效及扩大应用的关键。先进的复合材料结构力学特性的检测方法通常利用结构的动力学响应与材料特性之间的复杂关系。通过一个数学模型来表示这种关系时,称为前向问题。继而,如果拥有一系列精确实验测量的结构响应数据,结合大量的前向计算,则复合材料的材料特性可以通过正确构建的反演模型来辨识。功能梯度复合材料(functionally graded materials),简称FGM,即是其组分或结构沿某一方向呈有规律的连续变化,以尽可能的消除或弱化材料间的界面,从而避免或减小材料性能在界面处的变化,使其性能在这一方向上也呈连续变化以满足特定要求的一类复合材料。对于FGM材料本身及其结构中的波动特性已开展了许多研究,然而,仍有许多工作需要进一步深入研究。如初应力对结构中的波传播特性的影响。本文根据“增量变形理论”与勒让德正交多项式级数展开法,研究了初应力作用下多层结构FGM板中导波的传播特性,其中初应力分别施加在板的厚度和波的传播方向上,研究了初应力对频散曲线的影响。此外,在结合智能算法对FGM的组分分布与材料特性的反演时,单一的算法本身存在很多不足之处而各种算法之间又存在互补。这就要求运用神经网络、遗传算法和模糊逻辑的混合反演算法以利用它们的优势而避免其缺陷。本文不仅利用神经网络反演确定功能梯度材料的材料特性,同时利用神经网络与模糊逻辑相结合的产物,即自适应神经模糊系统反演确定功能梯度材料的材料特性,并对比分析两种网络在反演时的优劣,并对两种网络降噪能力进行研究。