| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-19页 |
| 1.1 异形斜拉桥发展 | 第10-12页 |
| 1.2 异形斜拉桥主塔施工监控的意义和内容 | 第12-14页 |
| 1.2.1 施工监控的意义 | 第12-13页 |
| 1.2.2 施工监控的内容 | 第13-14页 |
| 1.3 变形监测的研究现状 | 第14-15页 |
| 1.4 本文研究的内容 | 第15-19页 |
| 1.4.1 课题背景 | 第15-17页 |
| 1.4.2 本文研究工作 | 第17-19页 |
| 2 施工监控方案研究 | 第19-31页 |
| 2.1 变形监测网的设计与坐标转换 | 第19-26页 |
| 2.1.1 变形监测网的设计 | 第19-22页 |
| 2.1.2 变形监测网的坐标转换 | 第22-26页 |
| 2.2 施工监控的原则和精度 | 第26-27页 |
| 2.2.1 施工监控的原则 | 第26-27页 |
| 2.2.2 施工监控的精度 | 第27页 |
| 2.3 施工监控的基本原理与方法 | 第27-29页 |
| 2.3.1 施工监控的基本原理 | 第27-28页 |
| 2.3.2 施工监控的方法 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 3 钢结构斜拉桥索导管施工方法研究 | 第31-39页 |
| 3.1 斜拉桥索导管概况 | 第31页 |
| 3.2 常用斜拉桥索导管定位方法 | 第31-34页 |
| 3.3 本文工程实例中索导管定位方法及精度 | 第34-38页 |
| 3.3.1 定位方法 | 第34-36页 |
| 3.3.2 定位精度 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 钢结构斜拉桥主塔变形监测数据分析预测模型研究 | 第39-49页 |
| 4.1 常用的变形监测数据分析预测模型 | 第39-43页 |
| 4.1.1 B-P神经网络分析法 | 第39-41页 |
| 4.1.2 G-M灰色模型分析法 | 第41-43页 |
| 4.2 小波去噪与Kalman滤波联合对主塔变形监测数据的预测处理模型 | 第43-47页 |
| 4.2.1 小波去噪模型 | 第43-44页 |
| 4.2.2 Kalman滤波模型 | 第44-46页 |
| 4.2.3 Kalman滤波状态方程和观测方程的建立 | 第46-47页 |
| 4.3 Midas建模 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 斜拉桥监测线形结果分析 | 第49-68页 |
| 5.1 联合法数据处理方案的结果 | 第49-57页 |
| 5.1.1 小波去噪的结果 | 第49-52页 |
| 5.1.2 Kalman滤波预测结果 | 第52-57页 |
| 5.2 B-P神经网络分析法和联合法数据处理方案结果的比较 | 第57-61页 |
| 5.2.1 B-P神经网络分析法的处理结果 | 第57-60页 |
| 5.2.2 B-P神经网络分析法和联合法数据处理方案结果的比较 | 第60-61页 |
| 5.3 G-M灰色模型分析法和联合法数据处理方案结果的比较 | 第61-64页 |
| 5.3.1 G-M灰色模型分析法的处理结果 | 第61-63页 |
| 5.3.2 G-M灰色模型分析法和联合法数据处理结果的比较 | 第63-64页 |
| 5.4 Midas建模和联合法数据处理方案结果的比较 | 第64-67页 |
| 5.4.1 Midas建模分析结果 | 第64-66页 |
| 5.4.2 Midas建模和联合法数据处理方案结果的比较 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 6 结论与展望 | 第68-70页 |
| 6.1 结论 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读学位期间的研究成果 | 第74页 |
