| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 基于时间序列的结构损伤识别 | 第11-13页 |
| 1.2.2 基于神经网络的结构损伤识别 | 第13-15页 |
| 1.2.3 考虑温度影响的结构损伤识别 | 第15-18页 |
| 1.3 存在的问题和不足 | 第18-19页 |
| 1.4 本文研究内容 | 第19-20页 |
| 第2章 时间序列与神经网络的理论 | 第20-34页 |
| 2.1 时间序列 | 第20-25页 |
| 2.1.1 时间序列的简介 | 第20页 |
| 2.1.2 AR模型 | 第20-23页 |
| 2.1.3 AR模型在MATLAB中的实现 | 第23-25页 |
| 2.2 神经网络的基本理论 | 第25-28页 |
| 2.2.1 BP神经网络简介 | 第25-27页 |
| 2.2.2 BP神经网络结构的确定 | 第27-28页 |
| 2.2.3 改进的BP神经网络算法 | 第28页 |
| 2.3 环境温度下基于时间序列与神经网络的结构损伤识别 | 第28-31页 |
| 2.3.1 损伤指标 | 第28-30页 |
| 2.3.2 损伤模拟 | 第30页 |
| 2.3.3 考虑温度影响 | 第30页 |
| 2.3.4 环境温度下基于时间序列与神经网络的结构损伤识别过程 | 第30-31页 |
| 2.4 本章小结 | 第31-34页 |
| 第3章 温度作用下基于时间序列与神经网络的结构损伤识别 | 第34-58页 |
| 3.1 ASCE Benchmark模型数值模拟 | 第34-35页 |
| 3.2 温度作用下的损伤识别 | 第35-56页 |
| 3.2.1 高斯白噪声模拟 | 第35-36页 |
| 3.2.2 无损状态 | 第36-39页 |
| 3.2.3 温度和损伤程度对AR模型系数的影响 | 第39-44页 |
| 3.2.4 单损伤识别 | 第44-52页 |
| 3.2.5 双损伤识别 | 第52-56页 |
| 3.3 本章小结 | 第56-58页 |
| 第4章 噪声和温度作用下基于时间序列与神经网络的结构损伤识别 | 第58-72页 |
| 4.1 引言 | 第58页 |
| 4.2 噪声模拟 | 第58-59页 |
| 4.3 噪声和温度作用下的损伤识别 | 第59-70页 |
| 4.3.1 无损状态 | 第59-60页 |
| 4.3.2 噪声程度对AR模型系数的影响 | 第60-62页 |
| 4.3.3 单损伤识别 | 第62-68页 |
| 4.3.4 双损伤识别 | 第68-70页 |
| 4.4 本章小结 | 第70-72页 |
| 第5章 结论与展望 | 第72-74页 |
| 5.1 结论 | 第72-73页 |
| 5.2 展望 | 第73-74页 |
| 参考文献 | 第74-82页 |
| 致谢 | 第82页 |
