建筑结构动力特性参数反演方法研究
| 中文摘要 | 第1-33页 |
| 第一章 绪论 | 第33-41页 |
| 1．1 结构动力特性反演问题的提出及意义 | 第33页 |
| 1．2 研究现状 | 第33-36页 |
| 1．3 遗传算法的特点 | 第36-37页 |
| 1．4 人工神经网络在结构动力特性反演中的应用 | 第37-39页 |
| 1．4．1 人工神经网络的发展史 | 第37-38页 |
| 1．4．2 人工神经网络的特点 | 第38-39页 |
| 1．5 本文研究方法和所做和工作 | 第39-41页 |
| 第二章 一维波动方程的系数反演 | 第41-59页 |
| 2．1 反问题的一般描述 | 第41-42页 |
| 2．1．1 模型空间 | 第41-42页 |
| 2．1．2 数据空间 | 第42页 |
| 2．2 反问题的适定性 | 第42-44页 |
| 2．3 杆的一维波动反问题 | 第44-53页 |
| 2．3．1 杆的一维波动方程系数反问题的提法 | 第44-48页 |
| 2．3．2 杆的一维波动方程系数的反演方法 | 第48-53页 |
| 2．4 梁的离散模型的振动反问题 | 第53-59页 |
| 2．4．1 梁的离散模型的建立 | 第53-55页 |
| 2．4．2 梁的强迫响应 | 第55-56页 |
| 2．4．3 利用正交性解反问题 | 第56-59页 |
| 第三章 波源反问题 | 第59-71页 |
| 3．1 点波源的反问题 | 第59-61页 |
| 3．2 地震动反演 | 第61-71页 |
| 第四章 基于模态分析的结构参数反演与损伤识别 | 第71-84页 |
| 4．1 利用直接识别方法识别结构参数 | 第72-75页 |
| 4．2 利用模态转换识别法识别结构参数 | 第75-79页 |
| 4．2．1 复合反演问题 | 第75页 |
| 4．2．2 基于遗传算法的广义统计平均算法 | 第75-79页 |
| 4．3 基于模态分析的结构破损反演 | 第79-84页 |
| 4．3．1 建立结构原始状态动力有限元模型 | 第80-81页 |
| 4．3．2 结构损伤部位的识别 | 第81-82页 |
| 4．3．3 结构破损严重程度的识别 | 第82-84页 |
| 第五章 算例：梁柱板体系抗震实验 | 第84-92页 |
| 5．1 试验模型概况 | 第84-85页 |
| 5．2 结构基本参数反演 | 第85-87页 |
| 5．3 地震波源反演 | 第87-88页 |
| 5．4 预应力混凝土框架破损评估 | 第88-92页 |
| 第六章 神经网络在结构参数识别中的应用 | 第92-111页 |
| 6．1 BP网络 | 第92-98页 |
| 6．1．1 BP网络的学习 | 第92-94页 |
| 6．1．2 BP网络规则的数学推导 | 第94-97页 |
| 6．1．3 隐含层 | 第97页 |
| 6．1．4 BP网络的优缺点 | 第97-98页 |
| 6．2 网络参数的选取 | 第98-101页 |
| 6．2．1 网络结构参数的选取 | 第98-100页 |
| 6．2．2 网络学习参数的确定 | 第100-101页 |
| 6．3 惯性校正法 | 第101页 |
| 6．4 输入参数的选取 | 第101-104页 |
| 6．5 数值算例 | 第104-111页 |
| 第七章 结论及展望 | 第111-112页 |
| 7．1 结论 | 第111-112页 |
| 7．2 对进一步研究工作的建议 | 第112页 |
| 参考文献 | 第112-116页 |
| 致谢 | 第116页 |
