| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 选题背景及研究意义 | 第11-12页 |
| 1.2 结构损伤识别的发展概况 | 第12-13页 |
| 1.3 结构损伤识别的研究方法 | 第13-19页 |
| 1.3.1 传统检测技术 | 第13-14页 |
| 1.3.2 基于频率特性的结构损伤识别方法 | 第14页 |
| 1.3.3 基于振型变化的结构损伤识别方法 | 第14-15页 |
| 1.3.4 基于模态参数的结构损伤识别方法 | 第15页 |
| 1.3.5 基于智能算法的结构损伤识别方法 | 第15-19页 |
| 1.4 本文研究的主要内容 | 第19-21页 |
| 1.4.1 理论方法 | 第19页 |
| 1.4.2 数值模拟 | 第19-20页 |
| 1.4.3 创新之处 | 第20-21页 |
| 第二章 小波分析与超限学习机算法的基本理论 | 第21-37页 |
| 2.1 小波分析基本理论 | 第21-26页 |
| 2.1.1 引言 | 第21页 |
| 2.1.2 小波基函数 | 第21-22页 |
| 2.1.3 连续小波变换 | 第22-23页 |
| 2.1.4 常见小波函数介绍 | 第23-26页 |
| 2.2 超限学习机算法基本理论 | 第26-36页 |
| 2.2.1 神经网络概述 | 第26-29页 |
| 2.2.2 超限学习机的提出 | 第29-30页 |
| 2.2.3 超限学习机算法描述与训练步骤 | 第30-34页 |
| 2.2.4 超限学习机算法的优越性 | 第34-36页 |
| 2.3 本章小结 | 第36-37页 |
| 第三章 小波-超限学习机算法识别结构损伤的原理 | 第37-47页 |
| 3.1 小波分析识别损伤位置的原理 | 第37-40页 |
| 3.1.1 信号奇异性的性质 | 第37-38页 |
| 3.1.2 小波基的选择 | 第38-39页 |
| 3.1.3 小波变换识别奇异点的原理 | 第39页 |
| 3.1.4 基于模态参数小波变换的损伤识别 | 第39-40页 |
| 3.2 超限学习机算法识别损伤程度的原理 | 第40-46页 |
| 3.2.1 训练样本的选取原则 | 第40-41页 |
| 3.2.2 应变模态的有限元表达式 | 第41-43页 |
| 3.2.3 应变模态的实测技术 | 第43-44页 |
| 3.2.4 网络参数的选取 | 第44-46页 |
| 3.3 小波-超限学习机算法识别损伤的步骤 | 第46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于小波-超限学习机算法的梁结构损伤识别 | 第47-55页 |
| 4.1 引言 | 第47页 |
| 4.2 基于小波-超限学习机算法的简支梁损伤识别 | 第47-51页 |
| 4.2.1 简支梁有限元模型的建立 | 第47页 |
| 4.2.2 简支梁结构的损伤识别 | 第47-51页 |
| 4.3 基于小波-超限学习机算法的连续梁损伤识别 | 第51-54页 |
| 4.3.1 连续梁有限元模型的建立 | 第51-52页 |
| 4.3.2 连续梁结构的损伤识别 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 基于小波-超限学习机算法的框架结构损伤识别 | 第55-67页 |
| 5.1 引言 | 第55页 |
| 5.2 小波-超限学习机算法识别框架结构的单损伤 | 第55-58页 |
| 5.2.1 一层一跨有限元模型的建立 | 第55-56页 |
| 5.2.2 基于小波分析损伤位置的识别 | 第56页 |
| 5.2.3 基于超限学习机损伤程度的识别 | 第56-58页 |
| 5.3 小波-超限学习机算法识别框架结构的多损伤 | 第58-66页 |
| 5.3.1 基于小波分析损伤位置的识别 | 第58-60页 |
| 5.3.2 基于超限学习机损伤程度的识别 | 第60-66页 |
| 5.4 本章小结 | 第66-67页 |
| 结论与展望 | 第67-69页 |
| 结论 | 第67-68页 |
| 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 附录 | 第74页 |