| 内容提要 | 第1-5页 |
| 目录 | 第5-9页 |
| 第1章 绪论 | 第9-21页 |
| ·选题的依据及研究的意义 | 第9-10页 |
| ·石油钻机井架风灾害分析 | 第9-10页 |
| ·结构损伤识别国内外研究现状及方法 | 第10-14页 |
| ·外观目测法 | 第11页 |
| ·基于仪器设备的局部损伤检测 | 第11-12页 |
| ·基于静态测量数据的结构损伤检测方法 | 第12-13页 |
| ·基于动力特性的结构损伤检测方法 | 第13-14页 |
| ·小波分析在结构损伤识别中的应用 | 第14-16页 |
| ·小波分析概述 | 第14-15页 |
| ·小波分析在结构损伤识别中的应用 | 第15页 |
| ·小波分析在结构损伤识别中的研究现状 | 第15-16页 |
| ·人工神经网络在结构损伤识别中应用 | 第16-17页 |
| ·人工神经网络概述 | 第16-17页 |
| ·人工神经网络在结构损伤识别中的研究现状 | 第17页 |
| ·基于小波和神经网络结合的损伤识别 | 第17-18页 |
| ·本文的主要研究内容及创新点 | 第18-21页 |
| ·论文的主要研究内容 | 第18-20页 |
| ·论文的主要创新点 | 第20页 |
| ·论文研究思路 | 第20-21页 |
| 第2章 小波变换的理论基础 | 第21-43页 |
| ·从傅里叶变换到小波分析 | 第21-26页 |
| ·傅立叶变换 | 第21-22页 |
| ·短时Fourier变换 | 第22-24页 |
| ·从傅里叶变换到小波分析 | 第24-26页 |
| ·小波变换 | 第26-31页 |
| ·连续小波变换 | 第26-30页 |
| ·离散小波变换 | 第30-31页 |
| ·多分辨分析 | 第31-33页 |
| ·二尺度差分方程 | 第33-34页 |
| ·Mallat算法 | 第34-37页 |
| ·Mallat算法的综述 | 第34-35页 |
| ·Mallat分解算法 | 第35-36页 |
| ·Mallat合成算法 | 第36-37页 |
| ·常用小波函数介绍 | 第37-42页 |
| ·Daubechies小波 | 第37-38页 |
| ·Haar小波 | 第38-39页 |
| ·Mexico草帽小波 | 第39-40页 |
| ·Morlet小波 | 第40-41页 |
| ·Meyer小波 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 基于高阶单步—β法的Benchmark模型动力响应求解 | 第43-53页 |
| ·Benchmark模型 | 第43-46页 |
| ·模拟环境激励Benchmark结构损伤工况 | 第46-47页 |
| ·Benchmark模型的结构工况 | 第46页 |
| ·Benchmark模型的损伤工况 | 第46-47页 |
| ·Benchmark结构系统动力响应求解 | 第47-51页 |
| ·高阶单步—β算法 | 第47-49页 |
| ·高阶单步β算法的精度 | 第49-50页 |
| ·高阶单步β算法的稳定性 | 第50-51页 |
| ·高阶单步β法的超越现象 | 第51页 |
| ·本章小结 | 第51-53页 |
| 第4章 小波理论的Benchmark结构动力响应降噪处理 | 第53-65页 |
| ·Benchmark结构小波降噪方案设计 | 第53-57页 |
| ·小波降噪的基本原理 | 第53-54页 |
| ·小波降噪效果评价指标 | 第54-55页 |
| ·Benchmark结构动力响应降噪小波函数的选择 | 第55-56页 |
| ·Benchmark结构动力响应降噪最大尺度的选择 | 第56-57页 |
| ·Benchmark结构动力响应降噪边缘处理 | 第57页 |
| ·常用的小波降噪方法 | 第57-60页 |
| ·几种常用的小波降噪方法比较 | 第57-58页 |
| ·非线性小波变换阈值法 | 第58-60页 |
| ·Benchmark结构动力响应小波降噪方案的选择 | 第60-63页 |
| ·Benchmark结构动力响应降噪方案的选择 | 第60-61页 |
| ·Benchmark结构动力响应降噪的流程 | 第61-63页 |
| ·本章小结 | 第63-65页 |
| 第5章 小波分析在Benchmark结构损伤识别中的应用研究 | 第65-91页 |
| ·Benchmark结构损伤识别小波函数的选取 | 第65-70页 |
| ·小波变换对Benchmark结构损伤时刻及损伤位置的识别 | 第70-78页 |
| ·Benchmark结构损伤时刻及损伤所在楼层的判断 | 第70-77页 |
| ·Benchmark结构损伤具体位置的判断 | 第77-78页 |
| ·Benchmark结构损伤程度对小波识别能力的影响 | 第78-80页 |
| ·环境激励的噪声标准对小波识别能力的影响 | 第80-85页 |
| ·环境激励的荷载强度对小波识别能力的影响 | 第85-89页 |
| ·本章小结 | 第89-91页 |
| 第6章 神经网络在Benchmark结构损伤程度识别中的应用研究 | 第91-113页 |
| ·神经网络概述 | 第91-98页 |
| ·神经网络的发展 | 第91-92页 |
| ·神经网络的工作原理 | 第92-95页 |
| ·常用的神经网络介绍 | 第95-98页 |
| ·BP神经网络 | 第98-102页 |
| ·BP网络简介 | 第98-99页 |
| ·BP网络的算法 | 第99-100页 |
| ·BP网络存在的问题 | 第100页 |
| ·BP神经网络的改进 | 第100-101页 |
| ·Benchmark结构损伤程度识别的BP网络程序实现 | 第101-102页 |
| ·Benchmark结构损伤程度识别的BP网络构建 | 第102-108页 |
| ·Benchmark结构损伤识别的BP网络特征参数选择 | 第103-105页 |
| ·Benchmark结构损伤识别的BP网络训练样本产生 | 第105-107页 |
| ·Benchmark结构损伤程度识别的BP网络隐含层节点数的确定 | 第107-108页 |
| ·Benchmark结构损伤程度识别的BP网络模型的训练 | 第108-110页 |
| ·Benchmark结构损伤识别的BP网络模型训练误差 | 第108-109页 |
| ·Benchmark结构损伤识别的BP网络参数的确定 | 第109-110页 |
| ·基于BP网络的Benchmark结构损伤程度预测和分析 | 第110-112页 |
| ·本章小结 | 第112-113页 |
| 第7章 结论与建议 | 第113-115页 |
| ·结论 | 第113-114页 |
| ·建议 | 第114-115页 |
| 参考文献 | 第115-123页 |
| 致谢 | 第123-124页 |
| 主要科研成果与项目 | 第124-125页 |
| 中文摘要 | 第125-127页 |
| ABSTRACT | 第127-129页 |
