摘要 | 第1-6页 |
ABSTRACT | 第6-13页 |
第1章 绪论 | 第13-31页 |
·课题研究背景和意义 | 第13-14页 |
·结构损伤识别研究现状 | 第14-26页 |
·引言 | 第14-15页 |
·基于动力特性的损伤识别 | 第15-20页 |
·基于模型修正的损伤识别 | 第20-22页 |
·基于人工智能的损伤识别 | 第22-26页 |
·结构损伤识别的相关难点及其研究现状 | 第26-28页 |
·模型不确定性 | 第26-27页 |
·温度效应 | 第27-28页 |
·本文的研究内容 | 第28-31页 |
第2章 结构损伤识别方法和计算智能理论 | 第31-61页 |
·前言 | 第31页 |
·基于动力特性的结构损伤识别方法 | 第31-35页 |
·基于固有频率的损伤识别 | 第31-33页 |
·基于模态振型的损伤识别 | 第33-34页 |
·基于柔度变化的损伤识别 | 第34-35页 |
·基于模型修正的结构损伤识别方法 | 第35-36页 |
·神经网络的基本理论 | 第36-43页 |
·神经元模型和网络结构 | 第36-39页 |
·BP神经网络及其算法 | 第39-40页 |
·RBF神经网络及其算法 | 第40-43页 |
·支持向量机的基本理论 | 第43-52页 |
·统计学习理论 | 第43-44页 |
·支持向量机分类及其算法 | 第44-48页 |
·支持向量机回归方法 | 第48-52页 |
·模糊推理的基本理论 | 第52-60页 |
·模糊逻辑基础 | 第52-54页 |
·模糊推理规则 | 第54-58页 |
·模糊推理系统 | 第58-60页 |
·本章小结 | 第60-61页 |
第3章 基于BP神经网络与RBF网络的简支梁桥损伤识别 | 第61-77页 |
·引言 | 第61-62页 |
·简支梁桥数值模拟 | 第62-64页 |
·模型概况 | 第62-63页 |
·模型分析结果 | 第63-64页 |
·基于模态曲率理论的简支梁桥损伤区域判定 | 第64-69页 |
·基于RBF神经网络的精确定位及损伤程度识别 | 第69-71页 |
·疑似损伤单元的确定 | 第69页 |
·单位置损伤精确定位及损伤程度识别 | 第69-70页 |
·多位置损伤精确定位及损伤程度识别 | 第70-71页 |
·RBF神经网络与BP神经网络损伤识别效果对比 | 第71-74页 |
·运行时间对比 | 第71-72页 |
·识别结果对比 | 第72-74页 |
·BP神经网络抗噪性分析 | 第74-75页 |
·噪声模拟 | 第74页 |
·噪声对BP网络损伤定位能力影响 | 第74-75页 |
·噪声对BP网络损伤程度识别影响 | 第75页 |
·本章小结 | 第75-77页 |
第4章 基于支持向量机的简支梁桥损伤识别 | 第77-99页 |
·引言 | 第77-78页 |
·支持向量机的选择 | 第78-83页 |
·支持向量机类型的选择 | 第78-82页 |
·支持向量机核函数选择 | 第82-83页 |
·基于支持向量机的钢-混凝土组合梁损伤识别 | 第83-85页 |
·结构有限元模型的建立及结果分析 | 第83-84页 |
·损伤模拟及工况建立 | 第84页 |
·基于支持向量机的损伤位置识别 | 第84-85页 |
·基于支持向量机的损伤程度识别 | 第85页 |
·基于支持向量机的多片简支梁桥损伤识别 | 第85-88页 |
·目标单元确定 | 第85-86页 |
·基于支持向量机的结构损伤定位 | 第86-87页 |
·基于支持向量机的结构损伤程度识别 | 第87-88页 |
·基于参数优化支持向量机的多片简支梁桥损伤识别 | 第88-96页 |
·支持向量机相关参数优化方法 | 第88-90页 |
·基于参数优化支持向量机的结构损伤定位 | 第90-92页 |
·基于优化支持向量机的结构损伤程度识别 | 第92-96页 |
·本章小结 | 第96-99页 |
第5章 基于模糊推理的简支梁桥损伤识别 | 第99-119页 |
·前言 | 第99页 |
·模型概况 | 第99-100页 |
·基于频率变化的简支梁桥模糊推理损伤识别系统 | 第100-108页 |
·模糊推理系统框架结构的建立 | 第100-101页 |
·数值模拟分析 | 第101-105页 |
·数值模拟结果分析 | 第105-108页 |
·基于振型比值的简支梁桥模糊推理损伤识别系统 | 第108-117页 |
·模糊推理系统框架结构的建立 | 第108-109页 |
·数值模拟分析 | 第109-113页 |
·数值模拟结果 | 第113-117页 |
·本章小结 | 第117-119页 |
第6章 结论与展望 | 第119-123页 |
·结论 | 第119-121页 |
·展望 | 第121-123页 |
参考文献 | 第123-135页 |
作者简介及在学期间所取得的科研成果 | 第135-137页 |
致谢 | 第137页 |