钢管混凝土拱桥的损伤识别研究
| 独创性说明 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·钢管混凝土拱桥损伤识别的意义 | 第9-10页 |
| ·结构损伤识别的研究现状 | 第10-14页 |
| ·基于动力测量的损伤识别方法 | 第10-13页 |
| ·基于静力测量的损伤识别方法 | 第13页 |
| ·智能损伤识别方法 | 第13-14页 |
| ·结构损伤识别存在的问题 | 第14-15页 |
| ·本文的主要工作 | 第15-17页 |
| 2 钢管混凝土拱桥拱轴的损伤识别研究 | 第17-43页 |
| ·引言 | 第17页 |
| ·传统的基于动力特性的损伤识别方法 | 第17-24页 |
| ·基于频率的损伤识别方法 | 第17-19页 |
| ·基于曲率模态的损伤识别方法 | 第19-22页 |
| ·拟合振型进行损伤识别 | 第22页 |
| ·基于模态应变能的损伤识别方法 | 第22-24页 |
| ·本文提出的基于动力特性的损伤识别方法 | 第24-29页 |
| ·基于柔度差斜率的损伤识别方法 | 第24-27页 |
| ·基于位移模态四阶导数的损伤识别方法 | 第27-29页 |
| ·拱轴损伤识别的算例分析 | 第29-41页 |
| ·计算模型 | 第29-30页 |
| ·计算分析 | 第30-41页 |
| ·分析与结论 | 第41-43页 |
| 3 钢管混凝土拱桥整体损伤识别方法的研究 | 第43-62页 |
| ·引言 | 第43页 |
| ·钢管混凝土拱桥整体损伤识别的基本方法 | 第43-45页 |
| ·利用神经网络进行健康状况诊断 | 第45-48页 |
| ·神经网络用于结构损伤识别的基本原理 | 第45-46页 |
| ·神经网络的学习算法 | 第46-47页 |
| ·BP神经网络和桥梁健康状况的诊断 | 第47-48页 |
| ·分区损伤识别的基本原理和数值模拟验证 | 第48-61页 |
| ·分区损伤识别的基本思想 | 第48-49页 |
| ·动态子结构方法的基本理论 | 第49-53页 |
| ·分区损伤识别法的数值模拟验证 | 第53-61页 |
| ·分析与小结 | 第61-62页 |
| 4 长青桥的损伤识别研究 | 第62-78页 |
| ·工程概况 | 第62-66页 |
| ·长青桥概况 | 第62页 |
| ·有限元模型 | 第62-64页 |
| ·动力分析结果 | 第64-66页 |
| ·损伤工况 | 第66页 |
| ·长青桥损伤识别研究 | 第66-77页 |
| ·健康状况的诊断 | 第66-70页 |
| ·损伤定位 | 第70-75页 |
| ·损伤程度识别 | 第75-77页 |
| ·小结 | 第77-78页 |
| 5 总结与展望 | 第78-80页 |
| ·总结 | 第78-79页 |
| ·展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间发表学术论文情况 | 第84-85页 |
| 致谢 | 第85-86页 |
| 大连理工大学学位论文版权使用授权书 | 第86页 |
