| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第9-19页 |
| 1.1 课题背景及研究现状 | 第9-10页 |
| 1.2 结构损伤识别的研究现状 | 第10-15页 |
| 1.2.1 基于仪器设备的局部检测识别 | 第10页 |
| 1.2.2 基于静态测量数据的结构损伤识别 | 第10-11页 |
| 1.2.3 基于动态特征的结构损伤识别 | 第11-15页 |
| 1.3 云模型的相关概念及研究现状 | 第15-16页 |
| 1.4 D-S证据理论的相关概念 | 第16页 |
| 1.5 本文研究内容及思路 | 第16-19页 |
| 2 基于加速度内积向量的结构损伤识别 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 结构加速度响应的互相关函数 | 第19-22页 |
| 2.2.1 互相关函数的定义 | 第19页 |
| 2.2.2 基于结构加速度响应的互相关函数值 | 第19-22页 |
| 2.3 结构加速度内积向量指标的建立 | 第22-23页 |
| 2.4 数值算例 | 第23-29页 |
| 2.4.1 数值算例描述 | 第23页 |
| 2.4.2 进行结构损伤识别的准备 | 第23-24页 |
| 2.4.3 基于加速度内积向量指标的损伤识别流程 | 第24-25页 |
| 2.4.4 损伤工况的设定 | 第25-26页 |
| 2.4.5 损伤识别 | 第26-28页 |
| 2.4.6 随机噪声下的损伤识别 | 第28-29页 |
| 2.5 本章小节 | 第29-31页 |
| 3 云模型理论 | 第31-39页 |
| 3.1 引言 | 第31页 |
| 3.2 云的定义 | 第31页 |
| 3.3 云的性质及数字特征 | 第31-32页 |
| 3.4 正态云模型 | 第32页 |
| 3.5 灰云模型 | 第32-33页 |
| 3.6 云发生器 | 第33-37页 |
| 3.7 本章小节 | 第37-39页 |
| 4 基于加速度内积向量和模态应变能的云模型结构损伤识别 | 第39-63页 |
| 4.1 引言 | 第39页 |
| 4.2 基于加速度内积向量的云推理 | 第39-52页 |
| 4.2.1 基于加速度内积向量的云推理定性规则库 | 第39-43页 |
| 4.2.2 云推理的计算原理 | 第43-44页 |
| 4.2.3 损伤工况设定 | 第44页 |
| 4.2.4 损伤识别结果分析 | 第44-49页 |
| 4.2.5 噪声水平的影响 | 第49-52页 |
| 4.3 基于单元模态应变能的结构损伤识别 | 第52-54页 |
| 4.3.1 结构分析的有限元法 | 第52-54页 |
| 4.3.2 单元模态应变能 | 第54页 |
| 4.4 基于单元模态应变能的云推理 | 第54-62页 |
| 4.4.1 基于单元模态应变能的云推理定性规则库 | 第54-56页 |
| 4.4.2 损伤工况设定与损伤识别结果分析 | 第56-58页 |
| 4.4.3 噪声水平下的损伤识别 | 第58-62页 |
| 4.5 本章小节 | 第62-63页 |
| 5 基于改进的D-S证据理论的信息融合 | 第63-77页 |
| 5.1 引言 | 第63页 |
| 5.2 D-S证据理论的相关概念 | 第63-66页 |
| 5.2.1 辨识框架 | 第64页 |
| 5.2.2 基本概率赋值函数 | 第64页 |
| 5.2.3 信任函数 | 第64页 |
| 5.2.4 似然函数 | 第64-65页 |
| 5.2.5 证据组合规则 | 第65-66页 |
| 5.3 传统证据理论的缺陷和改进 | 第66-68页 |
| 5.4 数值模型模拟 | 第68-73页 |
| 5.5 证据理论组合的精确度和稳定性研究 | 第73-75页 |
| 5.6 本章小节 | 第75-77页 |
| 6 结论及展望 | 第77-81页 |
| 6.1 本文主要结论 | 第77-78页 |
| 6.2 后续相关展望 | 第78-81页 |
| 致谢 | 第81-83页 |
| 参考文献 | 第83-87页 |