| 摘要 | 第1-6页 |
| Abstract | 第6-16页 |
| 第1章 绪论 | 第16-39页 |
| ·课题背景及意义 | 第16-17页 |
| ·数据压缩技术的发展 | 第17-19页 |
| ·数据压缩算法分类 | 第18-19页 |
| ·结构健康中数据压缩的研究现状 | 第19页 |
| ·结构损伤识别研究现状 | 第19-37页 |
| ·基于自振频率的结构损伤识别方法 | 第20-21页 |
| ·基于振型的结构损伤识别方法 | 第21-26页 |
| ·基于传递函数（频响函数）的结构损伤识别方法 | 第26-27页 |
| ·基于时间序列信号分析的结构损伤识别方法 | 第27-28页 |
| ·基于概率统计的结构损伤识别方法 | 第28-29页 |
| ·基于模式分类的结构损伤识别方法 | 第29-31页 |
| ·基于信号处理的结构损伤识别方法 | 第31-33页 |
| ·基于信息融合的损伤识别方法 | 第33-35页 |
| ·结构非线性损伤识别方法 | 第35-37页 |
| ·本文的研究内容 | 第37-39页 |
| 第2章 基于数据压缩采样技术的结构振动响应数据压缩方法 | 第39-58页 |
| ·引言 | 第39-40页 |
| ·压缩采样的数学原理 | 第40-42页 |
| ·稀疏性 | 第40页 |
| ·压缩采样问题的数学描述 | 第40-41页 |
| ·稀疏信号的重构 | 第41-42页 |
| ·鲁棒压缩采样方法 | 第42页 |
| ·小波去噪与数据压缩方法 | 第42-44页 |
| ·山东滨州黄河公路大桥算例分析 | 第44-52页 |
| ·山东滨州黄河公路大桥健康监测系统简介 | 第44-45页 |
| ·结构健康监测中的数据压缩采样 | 第45-47页 |
| ·压缩采样与重构计算结果 | 第47-52页 |
| ·压缩采样与传统数据压缩算法的比较 | 第52-54页 |
| ·基于小波变化的数据压缩 | 第52页 |
| ·Huffman 编码 | 第52页 |
| ·结果比较与分析 | 第52-54页 |
| ·国家游泳中心算例分析 | 第54-57页 |
| ·国家游泳中心简介 | 第54-55页 |
| ·国家游泳中心加速度响应数据压缩采样计算结果 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第3章 结构振动响应的Bayesian 压缩采样方法 | 第58-72页 |
| ·引言 | 第58页 |
| ·Bayesian 压缩采样方法 | 第58-63页 |
| ·Bayesian 压缩采样方法的基本思想 | 第58-60页 |
| ·参数γ的优化求解 | 第60-63页 |
| ·山东滨州黄河公路大桥桥面加速度响应数据算例分析 | 第63-70页 |
| ·加速度响应数据的Bayesian 压缩采样 | 第63-65页 |
| ·Bayesian 压缩采样的计算结果 | 第65-70页 |
| ·国家游泳中心加速度监测数据分析 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第4章 基于压缩采样技术的模数转换器设计 | 第72-85页 |
| ·引言 | 第72页 |
| ·模数转换器（ADC） | 第72-75页 |
| ·模数转换的基本原理 | 第72-75页 |
| ·常用模数转换器类型 | 第75页 |
| ·采用压缩采样技术的模数转换器设计 | 第75-80页 |
| ·模拟信号的压缩采样方法 | 第75-76页 |
| ·压缩采样ADC | 第76-80页 |
| ·数值模拟分析 | 第80-84页 |
| ·本章小结 | 第84-85页 |
| 第5章 基于信息融合和Shannon 熵的结构损伤识别方法 | 第85-104页 |
| ·引言 | 第85页 |
| ·人工神经网络简介 | 第85-86页 |
| ·遗传算法简介 | 第86-87页 |
| ·Shannon 熵的基本定义 | 第87页 |
| ·基于信息融合和Shannon 熵的损伤识别方法 | 第87-90页 |
| ·数值算例 | 第90-96页 |
| ·山东滨州黄河公路大桥有限元模型 | 第90-91页 |
| ·神经网络训练样本的产生 | 第91-92页 |
| ·训练神经网络 | 第92-93页 |
| ·损伤识别结果 | 第93-96页 |
| ·工程实例验证 | 第96-103页 |
| ·某桥介绍 | 第96-97页 |
| ·某桥有限元模型 | 第97页 |
| ·某桥实验测试 | 第97-100页 |
| ·神经网络的训练 | 第100页 |
| ·神经网络的权重系数的计算 | 第100页 |
| ·某桥损伤识别结果 | 第100-103页 |
| ·本章小结 | 第103-104页 |
| 第6章 基于Dempster-Shafer 证据理论的结构在线健康诊断方法 | 第104-115页 |
| ·引言 | 第104页 |
| ·基于D-S 证据理论的结构在线健康诊断方法 | 第104-108页 |
| ·基本原理 | 第104-106页 |
| ·基本概率函数的计算方法 | 第106-108页 |
| ·数值算例 | 第108-114页 |
| ·14 跨平面刚桁架模型 | 第108页 |
| ·损伤模拟 | 第108-110页 |
| ·损伤识别结果 | 第110-113页 |
| ·D-S 融合和Bayesian 融合损伤识别方法识别结果比较 | 第113-114页 |
| ·本章小结 | 第114-115页 |
| 结论 | 第115-117页 |
| 参考文献 | 第117-129页 |
| 附录 Dempster-Shafer 证据理论和Bayesian 推理 | 第129-139页 |
| 攻读学位期间发表的学术论文 | 第139-142页 |
| 致谢 | 第142-143页 |
| 个人简历 | 第143页 |
