首页--工业技术论文--建筑科学论文--建筑结构论文--结构理论、计算论文--结构试验与检验论文

基于稀疏模态响应的结构损伤识别方法

摘要第1-7页
Abstract第7-12页
1 绪论第12-34页
 1.1 基于振动特性的结构损伤识别方法的回顾第13-23页
  1.1.1 结构模型建立与损伤定义第14-15页
  1.1.2 损伤识别采用的信息标识量第15-19页
  1.1.3 损伤识别方法的简要归纳第19-23页
 1.2 受噪音污染的稀疏模态响应下的结构损伤识别第23-31页
  1.2.1 参数分组第24-25页
  1.2.2 由实测模态响应进行参数估计第25-26页
  1.2.3 解的非唯一性问题第26-29页
  1.2.4 测试噪音对识别结果精度影响分析第29-31页
 1.3 本文工作第31-34页
2 结构参数识别问题的灵敏度分析理论第34-74页
 2.1 模态参数灵敏度分析第34-36页
 2.2 几种类型目标函数的灵敏度分析第36-48页
  2.2.1 分立的模态误差函数第36-42页
  2.2.2 组合格式的模态误差函数第42-48页
 2.3 结构动力特性灵敏度的度量指标第48-51页
 2.4 最优灵敏度分析技术第51-56页
  2.4.1 基于求解非线性优化问题的参数估计第52-53页
  2.4.2 最优灵敏度分析第53-55页
  2.4.3 参数估计值统计特征分析第55-56页
 2.5 算例分析第56-73页
  2.5.1 结构动力灵敏度度量指标的数值分析第56-69页
  2.5.2 识别结果的统计特征的数值分析第69-73页
 2.6 本章小结第73-74页
3 损伤信息标识量的选取与结构损伤直接指示第74-117页
 3.1 改进的柔度阵方法第74-83页
  3.1.1 方法的原理第75-79页
  3.1.2 数值模拟研究第79-83页
  3.1.3 小结第83页
 3.2 基于局部化特性模态组合准则的损伤信息标识量第83-111页
  3.2.1 方法的原理第83-87页
  3.2.2 数值模拟研究第87-107页
  3.2.3 模态组合权重的优化选择第107-110页
  3.2.4 小结第110-111页
 3.3 基于神经网络的损伤指示第111-117页
  3.3.1 方法的原理第111-112页
  3.3.2 数值模拟研究第112-116页
  3.3.3 小结第116-117页
4 基于误差函数灵敏度信息的损伤定位方法第117-136页
 4.1 引言第117页
 4.2 损伤定位第117-128页
  4.2.1 误差函数灵敏度信息与损伤单元的联系第118-121页
  4.2.2 定位“优势”损伤单元第121-123页
  4.2.3 基于序列损伤定位的参数分组方法第123-128页
 4.3 分析有噪音数据造成的影响第128-135页
 4.4 本章小结第135-136页
5 基于遗传算法的桩基结构损伤识别研究第136-146页
 5.1 方法的原理第137-141页
  5.1.1 桩土体系的描述第137-140页
  5.1.2 遗传算法第140-141页
 5.2 数值模拟研究第141-143页
 5.3 一个工程实例第143-145页
 5.4 本章小结第145-146页
6 关于IASC-ASCE基准结构模型的损伤识别研究第146-155页
 6.1 IASC-ASCE基准结构模型简介第146-148页
 6.2 算例结果第148-154页
  6.2.1 无噪音状态下损伤识别第148-151页
  6.2.2 有噪音状态下损伤识别第151-154页
 6.3 本章小结第154-155页
7 总结与展望第155-158页
 7.1 总结第155-157页
 7.2 进一步的研究工作展望第157-158页
参考文献第158-172页
攻读博士学位期间发表学术论文情况第172-173页
创新点摘要第173-174页
致谢第174-175页
大连理工大学学位论文版权使用授权书第175页

论文共175页,点击 下载论文
上一篇:民族地区高校体育课开展少数民族传统体育的实验研究
下一篇:含dmpzm配体的铅、钴、镍配合物的合成、结构及其性质