| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 本文的研究背景 | 第8-9页 |
| 1.2 传感器故障自诊断方法 | 第9-13页 |
| 1.2.1 基于解析模型的方法 | 第10页 |
| 1.2.2 基于信号处理的方法 | 第10-12页 |
| 1.2.3 基于知识的方法 | 第12-13页 |
| 1.3 本文的主要工作 | 第13页 |
| 1.4 本章小结 | 第13-14页 |
| 2 传感器自诊断的广义似然比检验法 | 第14-40页 |
| 2.1 引言 | 第14页 |
| 2.2 传感器故障的理论模型 | 第14-18页 |
| 2.2.1 传感器离散点数据失真故障的数学理论模型 | 第14-15页 |
| 2.2.2 传感器连续段数据失真故障的数学理论模型 | 第15-18页 |
| 2.3 广义似然比自诊断方法 | 第18-22页 |
| 2.3.1 传感器故障信号预测模型 | 第18-19页 |
| 2.3.2 传感器自诊断的广义似然比检验法 | 第19-22页 |
| 2.4 算例分析 | 第22-38页 |
| 2.4.1 模型及响应计算 | 第22-24页 |
| 2.4.2 广义似然比阈值s确定 | 第24-25页 |
| 2.4.3 传感器自诊断结果 | 第25-33页 |
| 2.4.4 温度变化对识别结果的影响 | 第33-36页 |
| 2.4.5 地震激励对识别结果的影响 | 第36-38页 |
| 2.5 本章小结 | 第38-40页 |
| 3 传感器故障类型的判别方法 | 第40-54页 |
| 3.1 引言 | 第40页 |
| 3.2 相关向量机的基本理论 | 第40-48页 |
| 3.2.1 贝叶斯定理 | 第40-41页 |
| 3.2.2 马尔科夫性质 | 第41页 |
| 3.2.3 相关向量机回归分析原理 | 第41-46页 |
| 3.2.4 相关向量机分类原理 | 第46-48页 |
| 3.3 传感器故障类型判别方法 | 第48-51页 |
| 3.3.1 分类特征指标的提取 | 第48-50页 |
| 3.3.2 分类器的构造 | 第50-51页 |
| 3.4 传感器故障判别算例分析 | 第51-53页 |
| 3.5 本章小节 | 第53-54页 |
| 4 传感器故障自诊断方法的实桥应用 | 第54-72页 |
| 4.1 引言 | 第54页 |
| 4.2 某连续刚构桥数值算例验证 | 第54-67页 |
| 4.2.1 传感器自诊断结果 | 第56-64页 |
| 4.2.2 传感器故障类型判断 | 第64-67页 |
| 4.3 某斜拉桥加速度传感器故障诊断 | 第67-70页 |
| 4.3.1 大桥及结构健康监测系统简介 | 第67-68页 |
| 4.3.2 加速度传感器故障自诊断 | 第68-70页 |
| 4.4 本章小节 | 第70-72页 |
| 5 结论和展望 | 第72-74页 |
| 5.1 主要工作和结论 | 第72-73页 |
| 5.2 以后还需研究的工作 | 第73-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-78页 |