| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 国内外损伤识别研究概况 | 第9-15页 |
| 1.2.1 基于静力参数的损伤识别技术 | 第10-11页 |
| 1.2.2 基于动力参数的损伤识别技术 | 第11-13页 |
| 1.2.3 基于神经网络的结构损伤识别 | 第13-14页 |
| 1.2.4 结构损伤识别总结 | 第14-15页 |
| 1.3 本文的研究内容 | 第15-17页 |
| 第2章 石河大桥模型的建立及修正 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 基于正交设计的静力有限元模型修正 | 第17-19页 |
| 2.2.1 正交设计概述 | 第17-18页 |
| 2.2.2 目标函数及参数的确立 | 第18-19页 |
| 2.2.3 基于正交设计的静力有限元模型修正基本步骤 | 第19页 |
| 2.3 建立桥梁有限元模型 | 第19-25页 |
| 2.3.1 桥梁工程概况 | 第19-20页 |
| 2.3.2 建立桥梁模型 | 第20-25页 |
| 2.4 桥梁有限元模型的修正实例 | 第25-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于神经网络的桥梁损伤识别研究 | 第29-47页 |
| 3.1 人工神经网络基本理论 | 第29-32页 |
| 3.1.1 人工神经网络概述 | 第29-30页 |
| 3.1.2 BP神经网络及经典算法 | 第30-32页 |
| 3.1.3 基于BP网络的损伤识别过程 | 第32页 |
| 3.2 基于模态参数的损伤识别研究 | 第32-41页 |
| 3.2.1 模态分析结果 | 第32-34页 |
| 3.2.2 基于固有频率的敏感性分析 | 第34-38页 |
| 3.2.3 基于BP神经网络的损伤识别 | 第38-41页 |
| 3.3 基于静力应变数据的损伤识别研究 | 第41-45页 |
| 3.4 基于实际数据的损伤识别研究 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于优化神经网络的损伤识别研究 | 第47-65页 |
| 4.1 云粒子群优化算法 | 第47-51页 |
| 4.1.1 粒子群算法基本理论 | 第47-48页 |
| 4.1.2 云理论 | 第48-50页 |
| 4.1.3 云粒子群算法实现 | 第50-51页 |
| 4.2 云粒子群优化神经网络 | 第51-53页 |
| 4.3 基于模态参数的损伤识别研究 | 第53-57页 |
| 4.3.1 单位置损伤位置识别 | 第53-55页 |
| 4.3.2 单位置损伤程度识别 | 第55-57页 |
| 4.4 基于应变数据的损伤识别研究 | 第57-61页 |
| 4.4.1 单位置损伤位置识别 | 第57-59页 |
| 4.4.2 单位置损伤程度识别 | 第59-61页 |
| 4.5 基于实际数据的损伤识别研究 | 第61-63页 |
| 4.6 本章小结 | 第63-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 1.全文总结 | 第65页 |
| 2.研究展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73页 |