基于人工神经网络的结构荷载识别与损伤识别研究
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| 1．1 问题的提出及其实际意义 | 第9-11页 |
| 1．1．1 结构健康监测的必要性 | 第9-10页 |
| 1．1．2 结构荷载识别与损伤识别的重要性 | 第10-11页 |
| 1．2 结构荷载识别与损伤识别的研究现状 | 第11-14页 |
| 1．2．1 结构荷载识别问题的研究现状 | 第11-12页 |
| 1．2．2 结构损伤识别的方法概述 | 第12-14页 |
| 1．3 本文的主要研究工作 | 第14-15页 |
| 第二章 自适应BP神经网络理论及其程序实现 | 第15-31页 |
| 2．1 BP神经网络概述 | 第15-19页 |
| 2．1．1 人工神经网络的发展简史 | 第15-16页 |
| 2．1．2 人工神经网络技术在土木工程中的应用 | 第16-19页 |
| 2．2 BP神经网络工作原理 | 第19-25页 |
| 2．2．1 人工神经元与人工神经网络 | 第20-22页 |
| 2．2．2 多层前馈网络与BP算法 | 第22-25页 |
| 2．3 自适应BP神经网络 | 第25-28页 |
| 2．3．1 梯度下降法概述 | 第25-27页 |
| 2．3．2 BP网络的自适应算法 | 第27-28页 |
| 2．4 自适应BP网络的程序实现 | 第28-31页 |
| 2．4．1 程序思路及流程图 | 第28-29页 |
| 2．4．2 程序子函数模块说明 | 第29-31页 |
| 第三章 基于人工神经网络的结构荷载识别 | 第31-51页 |
| 3．1 引言 | 第31-32页 |
| 3．2 数值模拟仿真算例 | 第32-34页 |
| 3．3 BP神经网络的拓扑结构及各学习参数的确定 | 第34-42页 |
| 3．3．1 输入数据的确定及预处理 | 第34-35页 |
| 3．3．2 网络的拓扑结构 | 第35-36页 |
| 3．3．3 各种学习参数的确定 | 第36-42页 |
| 3．3．3．1 Sigmoid函数种温度参数T | 第37-38页 |
| 3．3．3．2 动量系数α | 第38-39页 |
| 3．3．3．3 学习速率η | 第39-42页 |
| 3．4 结果分析 | 第42-47页 |
| 3．4．1 训练结果 | 第42页 |
| 3．4．2 无噪声样本 | 第42-44页 |
| 3．4．3 有噪声样本测试结果分析 | 第44-47页 |
| 3．5 训练样本数量与网络识别精度 | 第47-50页 |
| 3．6 结论 | 第50-51页 |
| 第四章 结构损伤识别的神经网络方法 | 第51-69页 |
| 4．1 结构损伤识别研究概述 | 第51-55页 |
| 4．2 损伤指标的确定 | 第55-60页 |
| 4．2．1 两种位置指标的理论基础 | 第56-59页 |
| 4．2．1．1 基于动静态数据融合的位置指标 | 第56-58页 |
| 4．2．1．2 完全基于频率的损伤位置指标 | 第58-59页 |
| 4．2．2 损伤程度指标的确定 | 第59-60页 |
| 4．3 数值仿真算例 | 第60-64页 |
| 4．3．1 结构的有限元模型 | 第60-62页 |
| 4．3．2 网络的拓扑结构 | 第62-64页 |
| 4．4 识别结果及其分析 | 第64-68页 |
| 4．5 结论 | 第68-69页 |
| 第五章 本文总结与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 附录 | 第76页 |
