基于径向基神经网络的重力坝损伤识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·选题背景及意义 | 第10-11页 |
| ·结构损伤识别方法的研究现状 | 第11-14页 |
| ·动力指纹分析法(模态识别) | 第12-13页 |
| ·神经网络法 | 第13-14页 |
| ·遗传算法 | 第14页 |
| ·基于神经网络的结构损伤检测在结构工程中的应用 | 第14-15页 |
| ·本文主要研究内容和创新点 | 第15-17页 |
| ·主要内容 | 第15-16页 |
| ·创新点 | 第16页 |
| ·主要章节安排 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第二章 基于结构动力特性的神经网络损伤检测方法 | 第18-32页 |
| ·神经网络方法 | 第18-19页 |
| ·神经网络用于损伤识别的基本原理 | 第19页 |
| ·损伤识别的网络模型及特点 | 第19-23页 |
| ·BP网络 | 第20-21页 |
| ·改进BP网络 | 第21页 |
| ·径向基神经网络(RBF) | 第21-22页 |
| ·概率神经网络(PNN) | 第22页 |
| ·小波神经网络 | 第22-23页 |
| ·结论和展望 | 第23页 |
| ·基于径向基神经网络的损伤识别设计 | 第23-28页 |
| ·径向基网络基本原理 | 第23-24页 |
| ·径向基网络的学习算法 | 第24-25页 |
| ·RBF神经网络和其他神经网络的对比 | 第25页 |
| ·损伤识别的RBF神经网络设计 | 第25-26页 |
| ·径向基神经网络进行损伤检测的步骤 | 第26-27页 |
| ·训练样本及测试样本 | 第27页 |
| ·诊断结果的评价标准 | 第27-28页 |
| ·影响神经网络损伤敏感性的因素 | 第28-30页 |
| ·网络输入参数的选择 | 第28页 |
| ·误差的影响 | 第28-29页 |
| ·神经网络方法的抗噪能力 | 第29-30页 |
| ·神经网络结构损伤检测方法展望 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第三章 武都重力坝振动台模型试验 | 第32-48页 |
| ·工程概况 | 第32-36页 |
| ·研究内容 | 第32-33页 |
| ·前期准备 | 第33-35页 |
| ·附加质量的确定 | 第35-36页 |
| ·振动台模型试验 | 第36-47页 |
| ·振动台主要技术 | 第36-37页 |
| ·试验加载方案 | 第37-39页 |
| ·模态参数识别基本原理 | 第39-41页 |
| ·模态参数识别结果 | 第41-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 重力坝的损伤识别数值模拟 | 第48-54页 |
| ·建立有限元模型 | 第48-49页 |
| ·选择合适的输入参数 | 第49-50页 |
| ·模拟损伤 | 第50-52页 |
| ·数值模拟分析结果 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 损伤识别的两步诊断法 | 第54-62页 |
| ·两步诊断法 | 第54-55页 |
| ·数值模拟损伤识别 | 第55-59页 |
| ·损伤程度识别 | 第56-57页 |
| ·损伤位置识别 | 第57-59页 |
| ·模型试验损伤识别 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 结论与展望 | 第62-64页 |
| ·主要结论 | 第62-63页 |
| ·今后工作的展望 | 第63-64页 |
| 附录 | 第64-80页 |
| 参考文献 | 第80-84页 |
| 作者在攻读硕士学位期间的科研成果 | 第84-85页 |
| 致谢 | 第85页 |
