| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-17页 |
| ·课题的背景及意义 | 第8-9页 |
| ·健康监测概述 | 第9-12页 |
| ·结构健康监测概念 | 第9-10页 |
| ·结构健康监测的组成部分 | 第10-11页 |
| ·结构健康监测系统的工程应用 | 第11-12页 |
| ·结构损伤识别 | 第12-17页 |
| ·结构损伤识别的方法 | 第13页 |
| ·结构损伤识别的整体法 | 第13-16页 |
| ·结构损伤识别的局部法 | 第16-17页 |
| 第二章 基于模态分析的结构损伤识别 | 第17-31页 |
| ·模态分析概述 | 第17-18页 |
| ·振动模态参数的识别 | 第18页 |
| ·结构损伤识别问题的有限元模型 | 第18-19页 |
| ·结构损伤与模态参数变化的关系 | 第19-21页 |
| ·损伤结构的模态参数灵敏度分析 | 第21-24页 |
| ·特征值和特征向量的相对灵敏度 | 第21-22页 |
| ·结构柔度的灵敏度分析 | 第22-24页 |
| ·基于模态参数的结构损伤识别 | 第24-31页 |
| ·基于频率改变的结构损伤识别 | 第24-25页 |
| ·基于振型改变的结构损伤识别 | 第25-26页 |
| ·基于应变模态和曲率模态的结构损伤识别 | 第26-27页 |
| ·基于柔度矩阵的结构损伤识别 | 第27-28页 |
| ·基于损伤诱导矢量的结构损伤识别 | 第28-29页 |
| ·基于残余力向量的结构损伤识别 | 第29-31页 |
| 第三章 神经网络的基本原理及其在结构损伤识别中的应用 | 第31-47页 |
| ·神经网络发展简史 | 第31-32页 |
| ·初期阶段 | 第31页 |
| ·停滞阶段 | 第31页 |
| ·黄金阶段 | 第31-32页 |
| ·神经元 | 第32-36页 |
| ·神经元结构模型 | 第32-35页 |
| ·神经元的动作特征 | 第35-36页 |
| ·神经网络的学习 | 第36-39页 |
| ·神经网络的学习方式 | 第36-37页 |
| ·神经网络的学习算法 | 第37-39页 |
| ·人工神经网络应用于结构损伤识别的基本原理 | 第39-41页 |
| ·神经网络的模式分类功能 | 第39-41页 |
| ·运用神经网络进行结构损伤识别 | 第41页 |
| ·BP神经网络 | 第41-47页 |
| ·BP网络模型 | 第41-42页 |
| ·BP算法 | 第42-45页 |
| ·BP网络存在的问题及算法的改进 | 第45-47页 |
| 第四章 基于模态参数的BP神经网络结构损伤识别方法 | 第47-61页 |
| ·基于模态参数的BP神经网络结构损伤识别方法 | 第47-49页 |
| ·BP神经网络的训练流程图 | 第47-49页 |
| ·框架结构模型简介 | 第49页 |
| ·框架结构模型损伤情况 | 第49-50页 |
| ·框架结构模型有限元模型计算结果 | 第50-56页 |
| ·框架结构模型频率的计算 | 第50-54页 |
| ·框架结构模型振型分量的计算 | 第54-56页 |
| ·基于频率平方变化的BP神经网络结构损伤识别 | 第56-59页 |
| ·柱单元损伤位置与程度识别 | 第56页 |
| ·梁单元损伤位置与程度识别 | 第56-57页 |
| ·梁柱单元混和工况损伤位置与程度识别 | 第57-58页 |
| ·BP网络的演绎能力 | 第58-59页 |
| ·基于振型的BP神经网络结构损伤识别 | 第59页 |
| ·本章小结 | 第59-61页 |
| 第五章 结论及展望 | 第61-62页 |
| ·结论 | 第61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |