| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第1章 绪论 | 第11-25页 |
| ·引言 | 第11页 |
| ·研究的背景和意义 | 第11-13页 |
| ·国内外研究现状 | 第13-23页 |
| ·基于固有频率变化的方法 | 第14-15页 |
| ·基于振型变化的方法 | 第15页 |
| ·基于应变模态变化的方法 | 第15-16页 |
| ·基于模态应变能的方法 | 第16页 |
| ·基于柔度变化的方法 | 第16-17页 |
| ·基于频响函数的方法 | 第17页 |
| ·基于时间序列模型参数变化的方法 | 第17-19页 |
| ·基于时频域数据（小波分析）的方法 | 第19-20页 |
| ·基于模型修正的结构损伤识别方法 | 第20-21页 |
| ·基于神经网络的结构损伤识别方法 | 第21-22页 |
| ·基于概率统计理论的结构损伤识别方法 | 第22-23页 |
| ·本文研究的主要内容 | 第23-25页 |
| 第2章 随机减量技术的基本理论与实现 | 第25-31页 |
| ·引言 | 第25页 |
| ·随机减量技术相关概念 | 第25-30页 |
| ·随机减量技术的发展 | 第25-26页 |
| ·基本原理 | 第26-29页 |
| ·随机减量技术注意事项 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 时间序列分析的基本理论与实现 | 第31-41页 |
| ·引言 | 第31页 |
| ·时间序列分析的基本理论 | 第31-33页 |
| ·时间序列的概念 | 第31-32页 |
| ·平稳时间序列的基本理论 | 第32-33页 |
| ·时间序列模型 | 第33-37页 |
| ·自回归模型 | 第34页 |
| ·AR 模型的模型定阶 | 第34-35页 |
| ·AR 模型的参数估计 | 第35-37页 |
| ·AR 模型在结构损伤识别中的应用 | 第37页 |
| ·AR 模型在 MATLAB 中的实现 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 神经网络的基本理论与实现 | 第41-51页 |
| ·引言 | 第41页 |
| ·神经网络的基本理论 | 第41-43页 |
| ·神经元模型 | 第41-42页 |
| ·神经网络的特性 | 第42-43页 |
| ·BP 神经网络 | 第43-46页 |
| ·BP 网络模型及算法 | 第43-44页 |
| ·BP 神经网络结构的确定 | 第44-46页 |
| ·BP 网络模型存在问题及改进 | 第46页 |
| ·BP 网络在结构损伤识别中的应用 | 第46页 |
| ·BP 网络在 MATLAB 中的实现 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于自由响应信号与神经网络的结构损伤识别研究 | 第51-123页 |
| ·引言 | 第51页 |
| ·基本原理 | 第51-53页 |
| ·海洋平台数值模拟 | 第53-121页 |
| ·海洋平台有限元模型 | 第53-55页 |
| ·高斯白噪声激励下的模拟 | 第55-102页 |
| ·环境激励下的模拟 | 第102-121页 |
| ·本章小结 | 第121-123页 |
| 第6章 结论与展望 | 第123-127页 |
| ·结论 | 第123-124页 |
| ·展望 | 第124-127页 |
| 参考文献 | 第127-135页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第135-137页 |
| 致谢 | 第137页 |