摘要 | 第4-7页 |
ABSTRACT | 第7-9页 |
第1章 绪论 | 第14-26页 |
1.1 研究目的及意义 | 第14-15页 |
1.2 国内外研究现状 | 第15-24页 |
1.2.1 温度对混凝土材料性能影响方面 | 第15-18页 |
1.2.2 桥梁结构温度效应分析方面 | 第18-20页 |
1.2.3 温度对桥梁自振频率影响方面 | 第20-23页 |
1.2.4 索力状态评估方面 | 第23-24页 |
1.3 本文的研究内容 | 第24-26页 |
第2章 温度对混凝土力学性能影响的试验研究 | 第26-40页 |
2.1 引言 | 第26页 |
2.2 试验数据分析方法 | 第26-27页 |
2.3 组成材料选择 | 第27-30页 |
2.3.1 水泥 | 第27-28页 |
2.3.2 集料 | 第28页 |
2.3.3 砂 | 第28-29页 |
2.3.4 配合比及坍落度试验 | 第29-30页 |
2.4 混凝土力学性能试验 | 第30-36页 |
2.4.1 立方体抗压强度试验 | 第30页 |
2.4.2 轴心抗压强度试验 | 第30-31页 |
2.4.3 弹性模量试验 | 第31-32页 |
2.4.4 劈裂抗拉强度试验 | 第32-34页 |
2.4.5 泊松比试验 | 第34-36页 |
2.5 温度对板梁自振频率影响的试验研究 | 第36-39页 |
2.6 本章小结 | 第39-40页 |
第3章 日照温度场作用下简支梁自振频率计算方法 | 第40-48页 |
3.1 引言 | 第40页 |
3.2 日照温度场作用下简支梁受力分析 | 第40-42页 |
3.2.1 日照温度场作用下简支梁的受力模式 | 第40页 |
3.2.2 日照温度场作用下等效偏心轴力的计算 | 第40-42页 |
3.3 偏心轴力作用下简支梁自振频率计算 | 第42-44页 |
3.4 数值算例 | 第44-46页 |
3.4.1 模拟对象 | 第44-45页 |
3.4.2 等效偏心轴力的计算 | 第45-46页 |
3.4.3 自振频率计算结果 | 第46页 |
3.5 本章小结 | 第46-48页 |
第4章 基于随机子空间法的连续箱梁桥自振频率温度影响分析 | 第48-68页 |
4.1 引言 | 第48页 |
4.2 连续箱梁桥中温度应力的求解方法 | 第48-51页 |
4.2.1 温度自应力求解方法 | 第49-50页 |
4.2.2 温度次内力计算方法 | 第50-51页 |
4.3 基于数据驱动的随机子空间算法 | 第51-57页 |
4.3.1 离散状态空间 | 第51-52页 |
4.3.2 动力参数识别过程 | 第52-55页 |
4.3.3 系统定阶 | 第55-56页 |
4.3.4 随机子空间识别动力参数流程 | 第56-57页 |
4.4 有限元法的基本原理 | 第57-60页 |
4.5 自振频率计算过程 | 第60-61页 |
4.6 数值算例及验证 | 第61-65页 |
4.6.1 分析对象 | 第61页 |
4.6.2 有限元模型及分析结果 | 第61-63页 |
4.6.3 自振频率分析结果 | 第63-64页 |
4.6.4 考虑材料力学性能变异时的自振频率分析结果 | 第64-65页 |
4.7 本章小结 | 第65-68页 |
第5章 寒冷地区吊杆拱桥索力状态评价方法及监测系统构建 | 第68-88页 |
5.1 引言 | 第68-69页 |
5.2 索力监测系统的构建 | 第69-71页 |
5.2.1 索力监测系统的基本思想 | 第69-70页 |
5.2.2 监测系统总体框架 | 第70页 |
5.2.3 监测系统工作原理 | 第70-71页 |
5.3 数据传输控制方法 | 第71-75页 |
5.3.1 灰色关联度理论 | 第71页 |
5.3.2 单索频率数据甄别 | 第71-72页 |
5.3.3 全桥索频率数据甄别 | 第72-75页 |
5.4 单索索力评价方法 | 第75-76页 |
5.5 基于支持向量机的全桥索力评价方法 | 第76-82页 |
5.5.1 理论基础 | 第76-79页 |
5.5.2 全桥索力状态评价过程 | 第79-82页 |
5.6 系统调试验证 | 第82-86页 |
5.6.1 单根吊杆调试 | 第83-85页 |
5.6.2 全桥吊杆调试 | 第85-86页 |
5.7 本章小结 | 第86-88页 |
第6章 桥梁自振频率测试过程中的温度效应分析 | 第88-104页 |
6.1 引言 | 第88页 |
6.2 相关理论 | 第88-95页 |
6.2.1 相关性分析 | 第88-89页 |
6.2.2 粒子群算法 | 第89-90页 |
6.2.3 BP 神经网络算法 | 第90-94页 |
6.2.4 粒子群优化神经网络算法 | 第94-95页 |
6.3 实际工程应用 | 第95-102页 |
6.3.1 工程概况 | 第95-97页 |
6.3.2 测试到的基础数据 | 第97-99页 |
6.3.3 数据相关性分析 | 第99-100页 |
6.3.4 自振频率预测结果 | 第100-101页 |
6.3.5 温度影响的剔除 | 第101-102页 |
6.4 本章小结 | 第102-104页 |
第7章 结论与展望 | 第104-106页 |
7.1 结论 | 第104-105页 |
7.2 展望 | 第105-106页 |
参考文献 | 第106-114页 |
作者简介及科研成果 | 第114-116页 |
致谢 | 第116页 |