| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 桥梁荷载识别方法 | 第13-17页 |
| 1.3 桥梁损伤识别方法 | 第17-19页 |
| 1.4 本文研究目的及总体思路 | 第19-22页 |
| 第二章 基于桥梁实测应变大数据的超重车信号识别方法研究 | 第22-44页 |
| 2.1 引言 | 第22页 |
| 2.2 珠江黄埔大桥北汊桥概况 | 第22-24页 |
| 2.2.1 工程概况 | 第22-23页 |
| 2.2.2 健康监测系统简介 | 第23页 |
| 2.2.3 珠江黄埔大桥北汊桥有限元模型 | 第23-24页 |
| 2.3 应变监测数据的小波特征分析 | 第24-32页 |
| 2.3.1 小波变换的原理及应用 | 第24-27页 |
| 2.3.2 应变监测数据的物理特征分析 | 第27-31页 |
| 2.3.3 应变监测数据的小波特征分析 | 第31-32页 |
| 2.4 小波临界系数异常信号识别方法 | 第32-36页 |
| 2.4.1 小波临界系数识别原理 | 第32-33页 |
| 2.4.2 小波临界系数的计算方法 | 第33-34页 |
| 2.4.3 小波临界系数异常信号识别方法算例 | 第34-36页 |
| 2.5 基于应变阈值的超重车信号识别方法 | 第36-40页 |
| 2.5.1 应变阈值识别原理 | 第36-37页 |
| 2.5.2 应变阈值的计算方法 | 第37-39页 |
| 2.5.3 应变阈值超重车信号识别方法算例 | 第39-40页 |
| 2.6 超重车信号识别算例 | 第40-43页 |
| 2.7 本章小结 | 第43-44页 |
| 第三章 大跨度桥梁单车道随机车流模型研究 | 第44-69页 |
| 3.1 引言 | 第44页 |
| 3.2 随机车流模型的建立 | 第44-52页 |
| 3.2.1 元胞自动机原理及应用 | 第44-48页 |
| 3.2.2 随机车流数学模型建立 | 第48-51页 |
| 3.2.3 随机车流程序的开发 | 第51-52页 |
| 3.3 大跨度随机车流的特性调研及统计参数分析 | 第52-58页 |
| 3.3.1 随机车流调查方式 | 第52页 |
| 3.3.2 常用分布函数简介 | 第52-54页 |
| 3.3.3 车型和断面发车率的确定 | 第54-56页 |
| 3.3.4 车重参数统计分析 | 第56-58页 |
| 3.4 单车道随机车流模拟及有限元加载方法研究 | 第58-68页 |
| 3.4.1 随机车流的模拟及验证 | 第58-62页 |
| 3.4.2 随机车流有限元加载方式研究 | 第62-68页 |
| 3.5 本章小结 | 第68-69页 |
| 第四章 结合桥梁响应统计信息的斜拉桥损伤识别方法研究 | 第69-111页 |
| 4.1 引言 | 第69页 |
| 4.2 机器学习方法简介 | 第69-74页 |
| 4.2.1 随机森林 | 第69-71页 |
| 4.2.2 梯度提升决策树 | 第71-72页 |
| 4.2.3 逻辑回归 | 第72-73页 |
| 4.2.4 支持向量机 | 第73-74页 |
| 4.3 含损伤斜拉索的桥梁响应统计规律 | 第74-86页 |
| 4.3.1 斜拉索损伤原因及表征确定 | 第74-75页 |
| 4.3.2 拉索损伤后斜拉桥的静力分析 | 第75-81页 |
| 4.3.3 桥梁应变响应的统计特征分析 | 第81-86页 |
| 4.4 基于桥梁响应统计参数的斜拉索损伤识别 | 第86-108页 |
| 4.4.1 拉索损伤识别主要流程 | 第86-87页 |
| 4.4.2 结合机器学习的拉索损伤定位 | 第87-107页 |
| 4.4.3 不同识别方法识别结果对比分析 | 第107-108页 |
| 4.5 本章小结 | 第108-111页 |
| 结论与展望 | 第111-113页 |
| 本文主要工作及结论 | 第111-112页 |
| 存在问题及前景展望 | 第112-113页 |
| 参考文献 | 第113-117页 |
| 攻读硕士学位期间取得的研究成果 | 第117-119页 |
| 致谢 | 第119-120页 |
| 附件 | 第120页 |