| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第1章 绪论 | 第13-30页 |
| ·课题研究的背景和意义 | 第13-14页 |
| ·桩基缺陷检测技术概述 | 第14-23页 |
| ·桩基的种类 | 第15页 |
| ·桩基缺陷及其产生的原因 | 第15-16页 |
| ·桩基质量评价 | 第16-17页 |
| ·现有桩基缺陷主要检测方法 | 第17-19页 |
| ·应力波反射法的物理模型和基本原理 | 第19-23页 |
| ·应力波反射法的国内外研究现状 | 第23-29页 |
| ·桩基波动理论及应力波反射法的应用研究 | 第23-25页 |
| ·应力波反射法的现代分析方法研究 | 第25-28页 |
| ·应力波反射法的现代分析方法存在的主要问题 | 第28-29页 |
| ·论文的结构和主要研究内容 | 第29-30页 |
| 第2章 基于小波和BP神经网络的桩基缺陷分析 | 第30-55页 |
| ·引言 | 第30页 |
| ·小波理论基本概念 | 第30-33页 |
| ·一维连续小波变换 | 第31页 |
| ·离散小波变换 | 第31-32页 |
| ·多分辨率分析 | 第32-33页 |
| ·BP神经网络及算法 | 第33-37页 |
| ·神经网络概述 | 第33-34页 |
| ·BP神经网络算法原理 | 第34-35页 |
| ·BP神经网络算法 | 第35-37页 |
| ·基于通用小波的桩基缺陷分析 | 第37-41页 |
| ·小波函数的选取 | 第37页 |
| ·信噪分离和基于db5 小波的典型桩基缺陷信号分析 | 第37-40页 |
| ·基于db5 小波的特征向量提取 | 第40-41页 |
| ·基于BP神经网络的桩基缺陷分类 | 第41页 |
| ·基于专用小波的桩基缺陷分析 | 第41-48页 |
| ·灰色关联度的基本概念与模型 | 第42-43页 |
| ·桩基专用小波的构建 | 第43-46页 |
| ·基于专用小波h(t)的桩基缺陷信号分解 | 第46-48页 |
| ·实验 | 第48-53页 |
| ·本章小结 | 第53-55页 |
| 第3章 缺陷特征向量的视窗提取和缺陷位置测量 | 第55-65页 |
| ·引言 | 第55-56页 |
| ·缺陷特征向量的视窗提取 | 第56-57页 |
| ·视窗设计和特征向量提取 | 第56-57页 |
| ·特征向量矩阵的构建 | 第57页 |
| ·桩基缺陷位置测量 | 第57-60页 |
| ·桩基缺陷位置测量和缺陷程度估计的一般方法 | 第57-59页 |
| ·基于功率谱的桩基缺陷位置测量和缺陷程度估计 | 第59-60页 |
| ·实验 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 第4章 多层支持向量机(SVM)及桩基缺陷分类 | 第65-79页 |
| ·引言 | 第65页 |
| ·支持向量机分类器 | 第65-72页 |
| ·统计学习理论 | 第66-67页 |
| ·支持向量机 | 第67-68页 |
| ·核函数理论 | 第68-71页 |
| ·支持向量机多分类方法 | 第71-72页 |
| ·基于多层支持向量机的桩基缺陷分析 | 第72-75页 |
| ·基于SVM的桩基缺陷检测方法 | 第72-73页 |
| ·二层一对一型SVM多分类器模型 | 第73-74页 |
| ·一对一SVM多分类算法 | 第74-75页 |
| ·实验 | 第75-77页 |
| ·本章小结 | 第77-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-89页 |
| 攻读博士学位期间发表的论文及其它成果 | 第89-91页 |
| 致谢 | 第91-92页 |
| 个人简历 | 第92页 |