| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 土木结构健康监测与预测的意义 | 第9-10页 |
| 1.2 结构健康监测与预测的研究现状 | 第10-12页 |
| 1.3 信号处理方法和极限学习机在结构健康监测中的研究现状 | 第12-15页 |
| 1.3.1 EMD&EEMD在损伤诊断中的研究现状 | 第12-14页 |
| 1.3.2 小波和小波包分析在损伤诊断中的研究现状 | 第14页 |
| 1.3.3 极限学习机的研究现状 | 第14-15页 |
| 1.4 课题来源、研究内容及章节安排 | 第15-16页 |
| 第二章 基于EEMD和HT的结构损伤特征提取 | 第16-41页 |
| 2.1 引言 | 第16页 |
| 2.2 EMD方法 | 第16-22页 |
| 2.3 EEMD方法 | 第22-28页 |
| 2.3.1 EEMD的原理 | 第23-24页 |
| 2.3.2 EMD和EEMD仿真信号对比分析 | 第24-28页 |
| 2.4 Hilbert变换 | 第28-29页 |
| 2.5 工程仿真信号损伤特征提取 | 第29-36页 |
| 2.5.1 时变动力系统模型分析和建立 | 第29-31页 |
| 2.5.2 损伤趋势特征提取方法 | 第31-32页 |
| 2.5.3 多自由度模型的损伤趋势研究 | 第32-33页 |
| 2.5.4 EEMD和HT损伤趋势特征提取 | 第33-36页 |
| 2.6 工程振动信号损伤趋势特征提取 | 第36-40页 |
| 2.7 本章小结 | 第40-41页 |
| 第三章 基于极限学习机马尔科夫模型的结构状态趋势预测 | 第41-75页 |
| 3.1 引言 | 第41页 |
| 3.2 单隐层反馈神经网络 | 第41-44页 |
| 3.3 极限学习机模型与马尔科夫模型 | 第44-51页 |
| 3.3.1 极限学习机 | 第44-47页 |
| 3.3.2 马尔科夫过程 | 第47-48页 |
| 3.3.3 马尔科夫预测模型 | 第48-50页 |
| 3.3.4 极限学习机马尔科夫模型 | 第50-51页 |
| 3.4 基于极限学习马尔科夫模型的结构损伤趋势预测 | 第51-74页 |
| 3.4.1 函数预测验证 | 第51-59页 |
| 3.4.2 误差评价指标 | 第59页 |
| 3.4.3 工程仿真数据预测 | 第59-68页 |
| 3.4.4 工程振动信号预测 | 第68-74页 |
| 3.5 本章小结 | 第74-75页 |
| 第四章 改进的极限学习马尔科夫模型在结构损伤趋势预测中的应用 | 第75-90页 |
| 4.1 引言 | 第75页 |
| 4.2 粒子群算法理论 | 第75-78页 |
| 4.2.1 粒子群算法的提出 | 第75页 |
| 4.2.2 粒子群算法的基本原理 | 第75-78页 |
| 4.3 粒子群—极限学习马尔科夫模型 | 第78-79页 |
| 4.4 粒子群—极限学习马尔科夫模型在结构损伤趋势预测中的应用 | 第79-89页 |
| 4.4.1 函数预测验证 | 第79-81页 |
| 4.4.2 工程仿真数据预测验证 | 第81-85页 |
| 4.4.3 工程振动信号预测 | 第85-89页 |
| 4.5 本章小结 | 第89-90页 |
| 第五章 结论与展望 | 第90-92页 |
| 5.1 结论 | 第90页 |
| 5.2 展望 | 第90-92页 |
| 参考文献 | 第92-96页 |
| 攻读硕士学位期间取得的研究成果 | 第96-97页 |
| 致谢 | 第97页 |
