| 第一章． 绪论 | 第1-25页 |
| 1．1 问题的提出 | 第14-16页 |
| 1．1．1 问题的背景 | 第14-15页 |
| 1．1．2 问题的提出 | 第15-16页 |
| 1．2 文献综述 | 第16-23页 |
| 1．2．1 关于智能土木结构的研究回顾 | 第16-19页 |
| 1．2．2 关于钢筋混凝土结构有限元法的简要回顾 | 第19-20页 |
| 1．2．3 关于智能结构算法研究的回顾 | 第20-23页 |
| 1．3 存在问题及本文的研究思路 | 第23-25页 |
| 1．3．1 存在问题 | 第23-24页 |
| 1．3．2 本文研究的思路及内容 | 第24-25页 |
| 上篇 智能土木结构的理论研究 | 第25-73页 |
| 第二章． 智能土木结构的理论研究 | 第25-38页 |
| 2．1 智能土木结构概念 | 第25-27页 |
| 2．1．1 智能土木结构概念的形成 | 第25页 |
| 2．1．2 智能土木结构的仿生学原理 | 第25-26页 |
| 2．1．3 智能土木结构的主要特点 | 第26-27页 |
| 2．2 智能土木结构理论的体系构成 | 第27-29页 |
| 2．2．1 结构智能化历程的层次划分 | 第27-28页 |
| 2．2．2 智能土木结构类型划分 | 第28-29页 |
| 2．3 智能土木结构的研究内容 | 第29-34页 |
| 2．3．1 智能化策略研究 | 第29-30页 |
| 2．3．2 传感元件（Sensor）研究 | 第30-31页 |
| 2．3．3 作动材料（Actuator）研究 | 第31页 |
| 2．3．4 作动器／传感器配置优化问题的研究 | 第31-32页 |
| 2．3．5 智能土木结构硬件系统集成研究 | 第32-33页 |
| 2．3．6 智能结构信息处理及软件系统研究 | 第33-34页 |
| 2．4 智能土木结构设计方法概论 | 第34-36页 |
| 2．4．1 传统土木结构设计特点及流程 | 第34-35页 |
| 2．4．2 智能土木结构设计特点及流程 | 第35-36页 |
| 2．5 小结及研究建议 | 第36-38页 |
| 第三章． 嵌入式智能桥梁结构的方案设计 | 第38-58页 |
| 3．1 桥梁结构健康诊断概念 | 第38-40页 |
| 3．1．1 桥梁结构健康诊断的实质及主要手段 | 第38-39页 |
| 3．1．2 桥梁健康监测系统技术基础 | 第39-40页 |
| 3．2 桥梁健康监测系统的现状及特点 | 第40-41页 |
| 3．3 智能桥梁结构总体方案设计 | 第41-43页 |
| 3．3．1 智能桥梁结构方案的总体架构 | 第42-43页 |
| 3．3．2 智能桥梁结构方案的设计准则 | 第43页 |
| 3．4 自感知监测系统方案设计 | 第43-46页 |
| 3．4．1 自感知监测系统方案设计顺序 | 第43-44页 |
| 3．4．2 自感知监测系统的监测内容 | 第44-46页 |
| 3．5 智能桥梁结构自诊断子系统方案设计 | 第46-50页 |
| 3．5．1 自诊断子系统逻辑架构 | 第47-48页 |
| 3．5．2 在线可靠性评定模块原理 | 第48-49页 |
| 3．5．3 智能桥梁结构在线维护决策模块 | 第49-50页 |
| 3．6 结构灾害响应控制系统 | 第50-56页 |
| 3．6．1 研究内容及意义 | 第51页 |
| 3．6．2 控制系统总体方案架构设计 | 第51-53页 |
| 3．6．3 控制策略和控制算法 | 第53-54页 |
| 3．6．4 控制系统硬件设计内容 | 第54页 |
| 3．6．5 结构灾害响应控制系统与其它低层次智能系统的集成 | 第54-56页 |
| 3．7 本章小结 | 第56-58页 |
| 第四章． 智能桥梁结构硬件系统初步研究 | 第58-73页 |
| 4．1 智能桥梁结构的集成 | 第58-61页 |
| 4．1．1 智能桥梁结构集成问题 | 第58-59页 |
| 4．1．2 传感器／作动器与桥梁结构的集成 | 第59-61页 |
| 4．2 传感器／作动器网络优化设计 | 第61-67页 |
| 4．2．1 桥梁中传感器／作动器网络的优化设计准则 | 第61-62页 |
| 4．2．2 静力实验传感器布置优化设计数学模型 | 第62页 |
| 4．2．3 梁式桥静力应变传感器网络优化设计 | 第62-65页 |
| 4．2．4 简支梁传感器优化设计应用实例 | 第65-66页 |
| 4．2．5 传感器作动器网络优化设计的存在问题 | 第66-67页 |
| 4．3 数据采集系统的实现 | 第67-72页 |
| 4．3．1 数据采集各组件功能简介 | 第67-68页 |
| 4．3．2 基于传统测试技术的数据采集系统硬件环境 | 第68-70页 |
| 4．3．3 基于Win 32 API模式的数据采集软件方案 | 第70-71页 |
| 4．3．4 基于MATLAB的数据采集软件方案 | 第71-72页 |
| 4．4 本章小结 | 第72-73页 |
| 中篇 智能桥梁结构计算方案研究 | 第73-129页 |
| 第五章． 智能桥梁结构的智能计算方案 | 第73-84页 |
| 5．1 力学反问题 | 第73-76页 |
| 5．1．1 力学反问题分类 | 第73-74页 |
| 5．1．2 静力学反问题与动力学反问题 | 第74-76页 |
| 5．2 智能桥梁结构的智能计算问题 | 第76-79页 |
| 5．2．1 无几何模型计算方法—力学反问题的计算智能解决思路 | 第76-77页 |
| 5．2．2 有几何模型计算方法—力学反问题 | 第77-79页 |
| 5．3 智能桥梁结构计算方案设计 | 第79-84页 |
| 5．3．1 两种计算路线比较 | 第79-80页 |
| 5．3．2 计算方案的构成 | 第80-84页 |
| 第六章． 基于神经网络计算的反分析法 | 第84-101页 |
| 6．1 桥梁结构工作状态指针的选择 | 第84-85页 |
| 6．2 神经网络数学模型 | 第85-92页 |
| 6．2．1 带有偏差单元的递归神经网络 | 第86-87页 |
| 6．2．2 网络的误差逆传播学习规则的数学推导 | 第87-90页 |
| 6．2．3 学习算法的步骤及流程 | 第90-92页 |
| 6．3 基于带有偏差单元的递归神经网络的荷载识别模型 | 第92-97页 |
| 6．3．1 荷载识别问题的数学模型 | 第93页 |
| 6．3．2 网络结构设计 | 第93-94页 |
| 6．3．3 模式的前处理 | 第94-95页 |
| 6．3．4 集中力荷载识别模型 | 第95-96页 |
| 6．3．5 神经计算基本步骤 | 第96-97页 |
| 6．4 初始学习模式的收集策略 | 第97-101页 |
| 6．4．1 策略一——基于模型试验的学习模式收集 | 第98-99页 |
| 6．4．2 策略二——基于原结构竣工荷载试验的学习模式收集 | 第99-101页 |
| 第七章． 智能桥梁结构的有限元反分析模型 | 第101-117页 |
| 7．1 有限元反分析内部模块析构 | 第101-102页 |
| 7．2 基于迭代算法的有限元力学场分析 | 第102-110页 |
| 7．2．1 有限元力学场反分析的两种路线 | 第102-104页 |
| 7．2．2 有限元力学场反分析的应变‘抹平’问题 | 第104-108页 |
| 7．2．3 基于迭代法的应变抹平问题有限元解法 | 第108-110页 |
| 7．3 预应力混凝土连续刚构桥的有限元计算模型 | 第110-117页 |
| 7．3．1 预应力混凝土刚构桥有限元模型的选择 | 第110-111页 |
| 7．3．2 用于普通钢筋、混凝土的整体式模型 | 第111-112页 |
| 7．3．3 用于处理PC、PPC的整体一分离式及整体—组合式模型 | 第112-114页 |
| 7．3．4 混凝土单元开裂模式的选择 | 第114-115页 |
| 7．3．5 混凝土单元开裂后的处理 | 第115-117页 |
| 第八章． 状态流分检功能的实现及计算软件研究 | 第117-129页 |
| 8．1 面向混凝土系列的桥梁状态流分检功能的实现 | 第117-119页 |
| 8．1．1 混凝土系列的桥梁的临界工作状态指标 | 第117-118页 |
| 8．1．2 混凝土系列的桥梁状态流的分检 | 第118-119页 |
| 8．2 智能桥梁结构计算方案软件设计的有关技术讨论 | 第119-124页 |
| 8．2．1 功能模块的集成化 | 第120-121页 |
| 8．2．2 智能桥梁结构计算软件的其它特点 | 第121-122页 |
| 8．2．3 智能桥梁结构计算软件的框架结构 | 第122-124页 |
| 8．3 基于MATLAB环境的智能桥梁结构计算软件原型系统研究 | 第124-129页 |
| 8．3．1 原型仿真系统的总体结构 | 第125页 |
| 8．3．2 原型仿真系统的数据库结构 | 第125-126页 |
| 8．3．3 MATLAB环境下各仿真模块的技术实现 | 第126-129页 |
| 下篇 算法应用及结论 | 第129-163页 |
| 第九章． 预应力混凝土刚构桥实验研究 | 第129-145页 |
| 9．1 概述 | 第129-130页 |
| 9．2 试验梁的设计 | 第130-140页 |
| 9．2．1 基于应力相似原则的模型总体设计 | 第131-136页 |
| 9．2．2 预应力筋的设计 | 第136页 |
| 9．2．3 抗弯设计 | 第136-137页 |
| 9．2．4 抗剪设计 | 第137页 |
| 9．2．5 其它细节设计 | 第137-138页 |
| 9．2．6 加载方式及设计荷载 | 第138-140页 |
| 9．3 试验梁的制作及试验 | 第140-145页 |
| 9．3．1 模型梁的制作 | 第140-141页 |
| 9．3．2 试验加载程序及测试内容 | 第141-145页 |
| 第十章． 基于神经计算的智能桥梁结构在线健康监测算法应用 | 第145-163页 |
| 10．1 序言 | 第145页 |
| 10．2 荷载识别模型的建模过程 | 第145-151页 |
| 10．2．1 基于模型试验的学习模式的收集 | 第146-148页 |
| 10．2．2 学习模式的前处理 | 第148-150页 |
| 10．2．3 神经网络结构的确定 | 第150-151页 |
| 10．2．4 网络参数的确定 | 第151页 |
| 10．3 人工神经网络荷载识别模型训练过程 | 第151-156页 |
| 10．3．1 网络参数优化对训练过程的影响探讨 | 第152-155页 |
| 10．3．2 基于刚构模型试验数据的网络学习 | 第155-156页 |
| 10．4 人工神经网络荷载识别模型仿真计算 | 第156-158页 |
| 10．4．1 仿真计算过程描述 | 第156-157页 |
| 10．4．2 基于刚构模型试验数据的仿真计算结果 | 第157-158页 |
| 10．5 关于移动荷载作用位置识别的补充讨论 | 第158-162页 |
| 10．5．1 基于模型结构的有限元法计算数据的网络学习 | 第159-160页 |
| 10．5．2 基于模型结构的有限元法计算数据的仿真计算结果 | 第160-162页 |
| 10．6 小结 | 第162-163页 |
| 结论与展望 | 第163-167页 |
| 1． 全文结论 | 第163-164页 |
| 2． 对今后工作的展望 | 第164-165页 |
| 3． 关于本文研究的几点思考 | 第165-167页 |
| 附录一 主要名词术语中英文对照表 | 第167-169页 |
| 附录二 智能桥梁结构计算方案的原型仿真系统软件核心代码 | 第169-172页 |
| 致谢 | 第172-173页 |
| 参考文献 | 第173-182页 |
| 学习期间发表论文及参加科研活动情况 | 第182-183页 |
