| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| Chapter1 Introduction | 第13-31页 |
| 1.1 Background and Significance of Investing Global Infrastructure Systems | 第13-17页 |
| 1.2 Introduction of Structural Health Monitoring | 第17-18页 |
| 1.3 Introduction of Structural Control | 第18-21页 |
| 1.4 An Overview of System Identification Methodology | 第21-24页 |
| 1.4.1 System Identification Framework | 第21-22页 |
| 1.4.2 Model Transparency | 第22-24页 |
| 1.5 Application of System Identification Approaches to Different Fields | 第24-26页 |
| 1.5.1 Composites | 第24页 |
| 1.5.2 Energy | 第24页 |
| 1.5.3 Missile | 第24-25页 |
| 1.5.4 Aircrafts | 第25页 |
| 1.5.5 Robotics | 第25页 |
| 1.5.6 Rockets | 第25-26页 |
| 1.5.7 Structures | 第26页 |
| 1.6 Main Research Contents of the Dissertation | 第26-28页 |
| References | 第28-31页 |
| Chapter2 Bouc-Wen Class Hysteresis Models | 第31-55页 |
| 2.1 Introduction of Bouc-Wen Class Hysteresis Models | 第31-37页 |
| 2.1.1 Bouc-Wen class Hysteresis models | 第31-33页 |
| 2.1.2 Application of Bouc-Wen Class Hysteresis Models | 第33-36页 |
| 2.1.3 Parameter Identification of Hysteretic Systems | 第36页 |
| 2.1.4 Research Overview for Bouc-Wen Class Models | 第36-37页 |
| 2.2 Physical Implication of Bouc-Wen Class Hysteresis Models | 第37-38页 |
| 2.3 Verification of Model Parameter Redundancy | 第38-43页 |
| 2.3.1 Redundancy Verification of Bouc-Wen-Ext Model Parameters | 第38-39页 |
| 2.3.2 Redundancy Verification of Bouc-Wen-Baber-Noori Model Parameters | 第39-41页 |
| 2.3.3 Redundancy Verification Cases | 第41-43页 |
| 2.4 Sensitivity Analysis of Model Parameters | 第43-44页 |
| 2.5 Characteristics Study of Bouc-Wen Class Hysteresis Models | 第44-51页 |
| 2.5.1 Characteristics Study of Bouc-Wen-Ext (BWE) Model | 第45-47页 |
| 2.5.2 Characteristics Study of Bouc-Wen-Baber-Noori Model (BWBN) Model | 第47-51页 |
| 2.6 Chapter Summary | 第51-52页 |
| References | 第52-55页 |
| Chapter3 System Modeling for Hysteretic Structures and Case Study | 第55-59页 |
| 3.1 Description of a Structural Hysteretic System | 第55页 |
| 3.2 Structural System Modeling Approach | 第55-56页 |
| 3.3 Objectives of Hysteretic System Identification | 第56-59页 |
| Chapter4 System Identification Using Artificial Neural Networks | 第59-103页 |
| 4.1 Introduction of the Application of Artificial Neural Networks | 第59-60页 |
| 4.2 Artificial Neural Network Theory | 第60-63页 |
| 4.2.1 An Introduction of Artificial Neural Network | 第60-61页 |
| 4.2.2 RBF Combination Algorithms | 第61-63页 |
| 4.2.3 Advantages of Artificial Neural Networks | 第63页 |
| 4.3 Intelligent Parameter Varying Approach for System Identification | 第63-66页 |
| 4.3.1 Grey Box Model | 第63-64页 |
| 4.3.2 System Dynamics Transform | 第64-65页 |
| 4.3.3 Structural Health Monitoring and Damage Detection | 第65-66页 |
| 4.4 Case Study for Hysteretic Structural Systems | 第66-67页 |
| 4.5 System Identification Results | 第67-98页 |
| 4.5.1 System Identification without Noise | 第68-75页 |
| 4.5.2 System Identification (SNR=10) | 第75-83页 |
| 4.5.3 System Identification (SNR=30) | 第83-90页 |
| 4.5.4 System Identification (SNR=50) | 第90-98页 |
| 4.6 Chapter Summary | 第98-101页 |
| References | 第101-103页 |
| Chapter5 System Identification Using Genetic Algorithm | 第103-135页 |
| 5.1 Introduction of the Application of Some Optimization Algorithms | 第103-104页 |
| 5.2 Genetic Algorithm Theory | 第104页 |
| 5.3 System Identification Using Genetic Algorithm | 第104-106页 |
| 5.3.1 Population Representation and Initialization | 第104-105页 |
| 5.3.2 Objective Function and Fitness Function | 第105页 |
| 5.3.3 Chromosome Encoding | 第105页 |
| 5.3.4 System Identification Strategy | 第105-106页 |
| 5.4 Case Study for Hysteretic Structural Systems | 第106-108页 |
| 5.4.1 System Input Signal | 第106-107页 |
| 5.4.2 System Parameters (Sin) | 第107页 |
| 5.4.3 System Parameters (El Centro (EW)) | 第107-108页 |
| 5.5 System Identification Results | 第108-131页 |
| 5.5.1 Parameter Identification (Sin) | 第109-111页 |
| 5.5.2 Parameter Identification (Sin, SNR=30) | 第111-114页 |
| 5.5.3 System Identification (Sin) | 第114-117页 |
| 5.5.4 System Identification (Sin, SNR=30) | 第117-119页 |
| 5.5.5 Parameter Identification (El Centro (EW)) | 第119-122页 |
| 5.5.6 Parameter Identification (El Centro (EW), SNR=30) | 第122-125页 |
| 5.5.7 System Identification (El Centro (EW)) | 第125-128页 |
| 5.5.8 System Identification (El Centro (EW), SNR=30) | 第128-131页 |
| 5.6 Chapter Summary | 第131-133页 |
| References | 第133-135页 |
| Chapter6 System Identification Using TMCMC Based Bayesian Updating | 第135-163页 |
| 6.1 Introduction of the Application of TMCMC & Bayesian Updating | 第135-137页 |
| 6.2 TMCMC Based Bayesian Updating Theory | 第137-141页 |
| 6.2.1 Markov Chain Monte Carlo Theory | 第137-138页 |
| 6.2.2 Bayesian Inference Theory | 第138页 |
| 6.2.3 Law of Large Number | 第138页 |
| 6.2.4 Traditional Sampling Methods | 第138-139页 |
| 6.2.5 Transitional Markov Chain Monte Carlo Theory | 第139-141页 |
| 6.2.6 Advantages of TMCMC Algorithm | 第141页 |
| 6.3 System Identification Strategy Using TMCMC Method | 第141-143页 |
| 6.4 Case Study for Hysteretic Structural Systems | 第143-144页 |
| 6.4.1 System Parameters (Sin) | 第143-144页 |
| 6.4.2 System Parameters (ElCentro (EW)) | 第144页 |
| 6.5 System Identification Results | 第144-159页 |
| 6.5.1 Parameter Identification Results (Sin) | 第144-149页 |
| 6.5.2 System Identification Results (Sin) | 第149-152页 |
| 6.5.3 Parameter Identification Results (ElCentro (EW)) | 第152-157页 |
| 6.5.4 System Identification Results (ElCentro (EW)) | 第157-159页 |
| 6.6 Chapter Summary | 第159-161页 |
| References | 第161-163页 |
| Chpater7 Conclusions | 第163-165页 |
| 7.1 Conclusions for the Application of Hysteresis Models | 第163-164页 |
| 7.2 Follow up Research | 第164-165页 |
| Appendix Ⅰ Tables | 第165-182页 |
| Appendix Ⅱ (List of Tables) | 第182-185页 |
| Appendix Ⅲ (List of Figures) | 第185-188页 |
| Appendix Ⅳ (System ID (IPV)) | 第188-189页 |
| Appendix Ⅴ (System ID (GA)) | 第189页 |
| Appendix Ⅵ (System ID (TMCMC)) | 第189-191页 |
| Biography | 第191-193页 |
| Acknowledgements | 第193-194页 |
