| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 桥梁结构损伤识别研究的意义 | 第12-13页 |
| 1.2 桥梁结构损伤识别研究的国内外发展与现状 | 第13-16页 |
| 1.2.1 国外研究状况 | 第13-14页 |
| 1.2.2 国内研究状况 | 第14-16页 |
| 1.3 桥梁结构损伤识别技术的方法 | 第16-21页 |
| 1.3.1 静力参数的损伤识别方法 | 第16页 |
| 1.3.2 动力参数的损伤识别方法 | 第16-18页 |
| 1.3.3 智能诊断方法在损伤识别中的应用 | 第18-21页 |
| 1.4 本文的主要研究内容 | 第21-23页 |
| 第二章 小波分析基本理论 | 第23-32页 |
| 2.1 引言 | 第23页 |
| 2.2 小波理论概要 | 第23-29页 |
| 2.2.1 连续小波变换 | 第23-26页 |
| 2.2.2 离散小波变换 | 第26-27页 |
| 2.2.3 小波包变换 | 第27-28页 |
| 2.2.4 理想小波的特性 | 第28-29页 |
| 2.3 两种常用的小波函数 | 第29-32页 |
| 2.3.1 Daubechies小波 | 第29-30页 |
| 2.3.2 Gaussian小波 | 第30-32页 |
| 第三章 神经网络基本理论 | 第32-38页 |
| 3.1 引言 | 第32页 |
| 3.2 人工神经网络 | 第32-35页 |
| 3.2.1 人工神经元模型 | 第33-34页 |
| 3.2.2 人工神经网络的工作机理 | 第34页 |
| 3.2.3 人工神经网络的特点 | 第34-35页 |
| 3.2.4 人工神经网络的分类 | 第35页 |
| 3.3 BP神经网络 | 第35-37页 |
| 3.3.1 BP神经网络的概述 | 第35页 |
| 3.3.2 BP神经网络的算法 | 第35-36页 |
| 3.3.3 BP神经网络的构造方法 | 第36页 |
| 3.3.4 BP神经网络的设计参数及其结构确定 | 第36-37页 |
| 3.4 BP神经网络需要注意的问题 | 第37-38页 |
| 第四章 基于模态参数的小波神经网络结构损伤识别原理 | 第38-43页 |
| 4.1 小波奇异性理论概述 | 第38-40页 |
| 4.1.1 信号奇异性的性质 | 第38页 |
| 4.1.2 小波变换识别奇异点特征的方法 | 第38-39页 |
| 4.1.3 小波基的选择 | 第39-40页 |
| 4.2 基于模态参数小波变换的损伤识别 | 第40-41页 |
| 4.3 基于BP神经网络的损伤识别 | 第41-43页 |
| 4.3.1 网络输入参数的选取 | 第41-42页 |
| 4.3.2 样本数据的处理 | 第42页 |
| 4.3.3 MATLAB神经网络工具箱 | 第42-43页 |
| 第五章 基于小波神经网络的单塔斜拉桥损伤识别 | 第43-50页 |
| 5.1 引言 | 第43页 |
| 5.2 含有一处损伤时单塔斜拉桥的损伤位置识别 | 第43-44页 |
| 5.2.1 单塔斜拉桥的有限元模型 | 第43-44页 |
| 5.2.2 利用小波分析对单塔斜拉桥损伤定位 | 第44页 |
| 5.3 含有一处损伤时单塔斜拉桥的损伤程度识别 | 第44-46页 |
| 5.3.1 BP神经网络的构造 | 第44-45页 |
| 5.3.2 利用固有频率作为神经网络的输入参数 | 第45页 |
| 5.3.3 利用神经网络确定损伤程度 | 第45页 |
| 5.3.4 BP神经网络的测试结果 | 第45-46页 |
| 5.4 含有两处损伤时单塔斜拉桥的损伤位置识别 | 第46-47页 |
| 5.4.1 利用小波分析对单塔斜拉桥损伤定位 | 第46-47页 |
| 5.5 含有两处损伤时单塔斜拉桥的损伤程度识别 | 第47-49页 |
| 5.5.1 BP神经网络的构造 | 第47页 |
| 5.5.2 利用固有频率作为神经网络的输入参数 | 第47页 |
| 5.5.3 利用神经网络确定损伤程度 | 第47-48页 |
| 5.5.4 BP神经网络的测试结果 | 第48-49页 |
| 5.6 结果分析 | 第49-50页 |
| 第六章 基于小波神经网络的双塔斜拉桥损伤识别 | 第50-60页 |
| 6.1 引言 | 第50页 |
| 6.2 含有一处损伤时双塔斜拉桥的损伤位置识别 | 第50-51页 |
| 6.2.1 双塔斜拉桥的有限元模型 | 第50-51页 |
| 6.2.2 利用小波分析对双塔斜拉桥损伤定位 | 第51页 |
| 6.3 含有一处损伤时双塔斜拉桥的损伤程度识别 | 第51-53页 |
| 6.3.1 BP神经网络的构造 | 第51页 |
| 6.3.2 利用固有频率作为神经网络的输入参数 | 第51-52页 |
| 6.3.3 利用神经网络确定损伤程度 | 第52页 |
| 6.3.4 BP神经网络的测试结果 | 第52-53页 |
| 6.4 含有两处损伤时双塔斜拉桥的损伤位置识别 | 第53-54页 |
| 6.4.1 利用小波分析对双塔斜拉桥损伤定位 | 第53-54页 |
| 6.5 含有两处损伤时双塔斜拉桥的损伤程度识别 | 第54-56页 |
| 6.5.1 BP神经网络的构造 | 第54页 |
| 6.5.2 利用固有频率作为神经网络的输入参数 | 第54页 |
| 6.5.3 利用神经网络确定损伤程度 | 第54-55页 |
| 6.5.4 BP神经网络的测试结果 | 第55-56页 |
| 6.6 含有三处处损伤时双塔斜拉桥的损伤位置识别 | 第56页 |
| 6.6.1 利用小波分析对双塔斜拉桥损伤定位 | 第56页 |
| 6.7 含有三处损伤时双塔斜拉桥的损伤程度识别 | 第56-59页 |
| 6.7.1 BP神经网络的构造 | 第56-57页 |
| 6.7.2 利用固有频率作为神经网络的输入参数 | 第57页 |
| 6.7.3 利用神经网络确定损伤程度 | 第57页 |
| 6.7.4 BP神经网络的测试结果 | 第57-59页 |
| 6.8 结果分析 | 第59-60页 |
| 结论与展望 | 第60-63页 |
| 结论 | 第60-61页 |
| 展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 附录 (攻读硕士期间发表论文和参加的项目工作) | 第67页 |