| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 病害智能诊断方法的优势 | 第12页 |
| 1.4 本文的研究内容 | 第12-13页 |
| 第二章 智能系统理论分析 | 第13-23页 |
| 2.1 专家系统 | 第13-14页 |
| 2.1.1 专家系统的概念 | 第13页 |
| 2.1.2 专家系统的结构 | 第13-14页 |
| 2.2 专家系统在应用中的特点 | 第14-15页 |
| 2.3 专家系统在病害诊断中的缺点 | 第15页 |
| 2.4 BP神经网络 | 第15-19页 |
| 2.4.1 人工神经元模型 | 第16-17页 |
| 2.4.2 神经元的学习机制 | 第17页 |
| 2.4.3 BP神经网络非线性映射推导 | 第17-18页 |
| 2.4.4 BP神经网络的特点 | 第18-19页 |
| 2.4.5 BP神经网络存在的问题 | 第19页 |
| 2.5 神经网络专家系统融合模式 | 第19-21页 |
| 2.6 神经网络和专家系统的互补优势 | 第21-22页 |
| 2.7 本章小结 | 第22-23页 |
| 第三章 中小跨径混凝土梁桥病害智能诊断系统结构设计 | 第23-35页 |
| 3.1 智能诊断系统分析 | 第23-24页 |
| 3.2 系统结构设计原则 | 第24页 |
| 3.3 智能诊断系统结构设计 | 第24-25页 |
| 3.4 知识获取方法简介 | 第25-26页 |
| 3.5 智能诊断系统采用的知识获取方法 | 第26-27页 |
| 3.6 智能诊断系统知识库 | 第27-32页 |
| 3.6.1 病害知识的分类 | 第27页 |
| 3.6.2 知识表示方法及对比分析 | 第27-29页 |
| 3.6.3 产生式与神经网络知识表示转化推导 | 第29-30页 |
| 3.6.4 智能诊断系统采用的知识表示方法 | 第30-31页 |
| 3.6.5 智能诊断系统知识库的组成 | 第31-32页 |
| 3.7 智能诊断系统的推理机制 | 第32-33页 |
| 3.8 智能诊断系统的解释机制 | 第33-34页 |
| 3.9 本章小结 | 第34-35页 |
| 第四章 中小跨径混凝土梁桥病害诊断分析 | 第35-47页 |
| 4.1 桥梁结构组成及病害描述 | 第35-36页 |
| 4.2 常见病害诊断分析 | 第36-37页 |
| 4.3 病害诊断参数及其编码 | 第37-41页 |
| 4.4 病害规则集 | 第41-45页 |
| 4.5 数据预处理 | 第45-46页 |
| 4.5.1 输入参数预处理 | 第45页 |
| 4.5.2 输出参数预处理 | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 基于BP神经网络诊断模型 | 第47-70页 |
| 5.1 BP神经网络学习算法 | 第47-50页 |
| 5.2 BP网络的改进算法 | 第50-52页 |
| 5.2.1 自适应学习速率调整法 | 第51页 |
| 5.2.2 附加动量法 | 第51页 |
| 5.2.3 LM算法 | 第51-52页 |
| 5.3 BP神经网络诊断模型构建过程 | 第52-58页 |
| 5.3.1 样本集构造 | 第52页 |
| 5.3.2 输入层设计 | 第52页 |
| 5.3.3 输出层设计 | 第52页 |
| 5.3.4 隐含层设计 | 第52页 |
| 5.3.5 训练参数设定 | 第52-53页 |
| 5.3.6 图形界面（GUI）设计 | 第53-57页 |
| 5.3.7 BP神经网络诊断模型 | 第57-58页 |
| 5.4 网络训练及结果分析 | 第58-69页 |
| 5.4.1 神经网络收敛性能分析 | 第58-59页 |
| 5.4.2 隐含层节点数对模型精度影响分析 | 第59-62页 |
| 5.4.3 BP网络学习算法对模型精度的影响分析 | 第62-64页 |
| 5.4.4 模型诊断测试及结果分析 | 第64-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 结论与展望 | 第70-72页 |
| 6.1 结论 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士研究生期间发表的论文及参与项目 | 第76-77页 |
| 附录Ⅰ 测试样本诊断参数 | 第77-82页 |
| 附录Ⅱ 测试规则样本集 | 第82-91页 |