| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 结构健康监测系统的概念和历史 | 第10-11页 |
| 1.2.2 结构健康监测系统的组成 | 第11-12页 |
| 1.2.3 结构健康监测系统的应用情况 | 第12-13页 |
| 1.3 本文主要研究内容 | 第13页 |
| 1.4 论文架构 | 第13-15页 |
| 第2章 结构损伤识别理论 | 第15-24页 |
| 2.1 结构动力损伤识别方法 | 第15页 |
| 2.2 常用的结构损伤识别指标 | 第15-23页 |
| 2.2.1 基于频率的损伤识别指标 | 第16-19页 |
| 2.2.2 基于振型模态的损伤识别指标 | 第19-21页 |
| 2.2.3 其他损伤识别指标 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 遗传-BP 神经网络算法 | 第24-45页 |
| 3.1 BP 神经网络算法简介 | 第24-28页 |
| 3.1.1 BP 神经网络的基本原理 | 第24-27页 |
| 3.1.2 BP 神经网络在结构损伤识别中的应用 | 第27-28页 |
| 3.2 遗传算法简介 | 第28-32页 |
| 3.2.1 遗传算法的基本原理 | 第28-29页 |
| 3.2.2 遗传算法的实现步骤 | 第29-31页 |
| 3.2.3 遗传算法在结构损伤识别中的应用 | 第31-32页 |
| 3.3 GA-BP 神经网络算法 | 第32-44页 |
| 3.3.1 遗传算法与 BP 网络融合的必要性 | 第32页 |
| 3.3.2 遗传算法优化 BP 神经网络的基本思想 | 第32-33页 |
| 3.3.3 遗传优化 BP 网络中基本要素的确定 | 第33-41页 |
| 3.3.4 遗传算法优化 BP 神经网络初始权值和阈值算例分析 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于 GA-BP 算法的框架结构损伤识别系统 | 第45-66页 |
| 4.1 框架结构损伤诊断系统 | 第45-48页 |
| 4.2 损伤预警系统 | 第48-50页 |
| 4.2.1 损伤预警系统的实现原理 | 第48页 |
| 4.2.2 损伤预警指标的选取 | 第48-50页 |
| 4.3 损伤识别系统 | 第50-57页 |
| 4.3.1 损伤识别系统的实现原理 | 第50页 |
| 4.3.2 损伤识别指标的选取 | 第50-57页 |
| 4.4 基于 GA-BP 神经网络的框架结构损伤识别 | 第57-65页 |
| 4.4.1 BP 神经网络识别 | 第57-62页 |
| 4.4.2 GA-BP 神经网络识别 | 第62-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第5章 结论与展望 | 第66-68页 |
| 5.1 结论 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间发表的论文 | 第71-72页 |
| 致谢 | 第72页 |
