框架结构基于神经网络的多级结构损伤检测方法研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪论 | 第10-20页 |
| ·选题背景及意义 | 第10页 |
| ·结构损伤检测方法研究综述 | 第10-15页 |
| ·基于检测范围的方法综述 | 第11-13页 |
| ·基于特性检测的方法综述 | 第13-15页 |
| ·基于神经网络的损伤研究综述 | 第15-16页 |
| ·复杂结构损伤多级识别研究综述 | 第16-18页 |
| ·损伤检测存在的问题及发展趋势 | 第18-19页 |
| ·损伤检测技术存在的问题 | 第18-19页 |
| ·损伤检测技术的发展趋势 | 第19页 |
| ·本文研究的主要内容 | 第19-20页 |
| 2 基于神经网络的损伤检测理论 | 第20-40页 |
| ·引言 | 第20页 |
| ·人工神经网络 | 第20-22页 |
| ·神经元结构模型 | 第20-21页 |
| ·神经网络的结构 | 第21-22页 |
| ·神经网络的特性 | 第22页 |
| ·BP 神经网络 | 第22-27页 |
| ·BP 网络结构结构 | 第23页 |
| ·BP 网络算法原理 | 第23-25页 |
| ·BP 网络结构设计 | 第25-26页 |
| ·BP 网络存在问题 | 第26-27页 |
| ·RBF 径向基函数网络 | 第27-28页 |
| ·RBF 网络结构 | 第27页 |
| ·RBF 网络算法 | 第27-28页 |
| ·RBF 网络特点 | 第28页 |
| ·PNN 概率神经网络 | 第28-30页 |
| ·PNN 网络结构 | 第29页 |
| ·PNN 网络算法 | 第29-30页 |
| ·PNN 网络特点 | 第30页 |
| ·其于神经网络的损伤检测 | 第30-39页 |
| ·损伤检测流程 | 第30-31页 |
| ·网络程序实现 | 第31-38页 |
| ·样本数据处理 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 3 损伤识别理论及多级结构损伤检测方法 | 第40-56页 |
| ·框架结构模算例简介 | 第40-41页 |
| ·框架结构计算模型 | 第40页 |
| ·构件损伤理论模型 | 第40-41页 |
| ·基于模态分析的损伤识别理论 | 第41-52页 |
| ·振动模态分析理论 | 第41页 |
| ·模态参数与损伤的关系 | 第41-43页 |
| ·损伤指标理论 | 第43-52页 |
| ·结构动力特性参数提取 | 第52-53页 |
| ·模态数据提取 | 第52-53页 |
| ·应变模态获取 | 第53页 |
| ·基于神经网络的多级结构损伤检测原理 | 第53-55页 |
| ·预警检测 | 第54页 |
| ·楼层分类 | 第54页 |
| ·具体定位 | 第54-55页 |
| ·程度评估 | 第55页 |
| ·本章小结 | 第55-56页 |
| 4 框架结构基于神经网络的多级结构预警系统研究 | 第56-70页 |
| ·引言 | 第56页 |
| ·框架结构预警系统思路 | 第56页 |
| ·神经网络损伤预警理论 | 第56-57页 |
| ·构件损伤预警研究 | 第57-68页 |
| ·损伤敏感标识量选取 | 第58-60页 |
| ·全局逼近网络过滤器 | 第60-61页 |
| ·预警样本选取及训练 | 第61页 |
| ·自联想网络异常过滤器 | 第61页 |
| ·预警辨识影响研究 | 第61-65页 |
| ·预警性能对比分析 | 第65-68页 |
| ·构件损伤预警性能评价 | 第68页 |
| ·本章小结 | 第68-70页 |
| 5 框架结构基于神经网络的多级结构损伤检测研究 | 第70-106页 |
| ·引言 | 第70页 |
| ·框架结构构件损伤楼层分类 | 第70-84页 |
| ·分类指标研究及特征参数选取 | 第70-77页 |
| ·样本数据集的构造 | 第77-80页 |
| ·建立PNN 神经网络分类模型 | 第80-81页 |
| ·构件单损楼层分类训练及测试对比 | 第81-83页 |
| ·构件双损楼层分类训练及测试 | 第83-84页 |
| ·楼层分类网络性能评价 | 第84页 |
| ·框架结构构件损伤具体定位 | 第84-96页 |
| ·定位指标分析及特征参数选取 | 第85-86页 |
| ·建立RBF 网络定位模型 | 第86-87页 |
| ·构件单损具体定位训练及测试 | 第87-90页 |
| ·构件双损具体定位训练及测试 | 第90-95页 |
| ·具体定位识别性能评价 | 第95-96页 |
| ·框架结构构件损伤程度评估 | 第96-104页 |
| ·程度识别指标分析 | 第96-97页 |
| ·建立神经网络识别模型 | 第97-99页 |
| ·构件程度评估训练及测试 | 第99-103页 |
| ·程度评估识别性能评价 | 第103-104页 |
| ·本章小结 | 第104-106页 |
| 6 结论与展望 | 第106-108页 |
| ·本文主要结论 | 第106-107页 |
| ·后续研究展望 | 第107-108页 |
| 致谢 | 第108-110页 |
| 参考文献 | 第110-114页 |
| 附录 | 第114页 |
