| 第1章 绪论 | 第1-24页 |
| ·引言 | 第10-12页 |
| ·问题陈述 | 第10页 |
| ·早期研究 | 第10-12页 |
| ·基于振动的结构损伤识别方法研究现状 | 第12-16页 |
| ·基于模型的识别方法 | 第12-15页 |
| ·无模型识别方法 | 第15-16页 |
| ·损伤识别方法存在的问题 | 第16页 |
| ·结构损伤的信号检测 | 第16-19页 |
| ·智能方法的进展 | 第19-21页 |
| ·数据挖掘方法 | 第19-20页 |
| ·机器学习方法 | 第20-21页 |
| ·本文研究工作的基本思路和主要内容 | 第21-24页 |
| ·本文研究工作的基本思路 | 第21-22页 |
| ·本文研究内容 | 第22-24页 |
| 第2章 基于独立分量分析ICA的结构损伤特征提取 | 第24-40页 |
| ·主成分分析 | 第24-30页 |
| ·主成分分量的几何描述 | 第24-25页 |
| ·总体主成分 | 第25-26页 |
| ·量纲对于主成分分析的影响及消除方法 | 第26-27页 |
| ·结构数据的样本主成分分析 | 第27-30页 |
| ·传感器数据的白化变换 | 第30页 |
| ·传感器数据的独立分量分析 | 第30-39页 |
| ·独立分量分析的假设 | 第31-32页 |
| ·基本概念 | 第32-33页 |
| ·独立性判据 | 第33-34页 |
| ·ICA的几种定义 | 第34-36页 |
| ·ICA算法 | 第36-39页 |
| ·ICA与PCA的比较 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第3章 基于ICA神经网络的结构损伤识别方法研究 | 第40-52页 |
| ·分类优化问题 | 第40-41页 |
| ·神经网络建模 | 第41-44页 |
| ·神经元的统一模型 | 第41-42页 |
| ·BP神经网络 | 第42-44页 |
| ·基于ICA-ANN的结构损伤识别 | 第44-46页 |
| ·样本数据的处理 | 第45页 |
| ·训练数据的处理 | 第45页 |
| ·模型参数的选择 | 第45-46页 |
| ·重组神经网络 | 第46页 |
| ·基于ICA-ANN的结构损伤识示例 | 第46-51页 |
| ·直接使用ANN进行识别 | 第46页 |
| ·基于ICA-ANN的损伤数据孤立点测试 | 第46-50页 |
| ·基于ICA-ANN的损伤识别 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 基于ICA支持向量机的结构损伤识别方法研究 | 第52-66页 |
| ·机器学习基本理论 | 第52-53页 |
| ·机器学习问题的表示 | 第52-53页 |
| ·经验风险最小化原则 | 第53页 |
| ·复杂性和推广性能 | 第53页 |
| ·统计学习理论 | 第53-56页 |
| ·VC维 | 第54页 |
| ·推广性的界 | 第54-55页 |
| ·结构风险最小化 | 第55-56页 |
| ·支持向量机 | 第56-61页 |
| ·最优分类面 | 第56-58页 |
| ·支持向量机判别函数 | 第58-59页 |
| ·SVM的分解算法 | 第59-60页 |
| ·核函数 | 第60-61页 |
| ·基于ICA-SVM的结构损伤识别 | 第61-64页 |
| ·基于ICA-SVM的结构损伤识别框架 | 第61-62页 |
| ·核函数中参数的选择 | 第62页 |
| ·识别实验 | 第62-64页 |
| ·神经网络和支持向量机的比较 | 第64页 |
| ·本章小结 | 第64-66页 |
| 第5章 在ICA-ANN结构损伤识别中的小波预处理 | 第66-72页 |
| ·小波分析 | 第66-69页 |
| ·连续小波函数 | 第66-68页 |
| ·连续小波基函数 | 第68页 |
| ·连续小波重构 | 第68-69页 |
| ·多分辨率分析 | 第69-70页 |
| ·基于小波预处理的ICA-ANN | 第70页 |
| ·本章小结 | 第70-72页 |
| 第6章 基于ICA的结构损伤识别实验研究 | 第72-98页 |
| ·Benchmark结构实例 | 第72-92页 |
| ·实验结构模型 | 第72-73页 |
| ·结构特征信号的提取 | 第73-75页 |
| ·两个损伤级别的识别 | 第75-79页 |
| ·多种损伤的识别 | 第79-81页 |
| ·基于敏感信息的传感器位置确定 | 第81-86页 |
| ·基于ICA-SVM的损伤识别实验 | 第86-89页 |
| ·基于二阶统计量的ICA-SVM | 第89-92页 |
| ·Bookshelf损伤的识别 | 第92-97页 |
| ·数据描述 | 第93-94页 |
| ·基于ICA-SVM的损伤识别 | 第94-96页 |
| ·基于SOS-ICA的损伤识别 | 第96-97页 |
| ·本章小结 | 第97-98页 |
| 第7章 结论与展望 | 第98-101页 |
| ·主要研究工作与结论 | 第98-99页 |
| ·展望 | 第99-101页 |
| 参考文献 | 第101-106页 |
| 博士生期间发表论文情况 | 第106-107页 |
| 附录 | 第107-110页 |
| 致谢 | 第110页 |