结构损伤特征提取及诊断方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-24页 |
| ·土木结构进行健康监测和损伤诊断的意义 | 第11-12页 |
| ·结构健康监测和损伤诊断的发展及研究现状 | 第12-22页 |
| ·结构健康监测和损伤诊断的研究内容及发展概述 | 第12-14页 |
| ·结构损伤诊断的基本方法及存在的问题 | 第14-19页 |
| ·信号处理和神经网络在结构健康监测中的研究现状 | 第19-22页 |
| ·课题来源和本文研究的主要内容及章节安排 | 第22-24页 |
| ·课题的来源、意义和研究内容 | 第22-23页 |
| ·本文研究的主要内容及章节安排 | 第23-24页 |
| 第二章 基于小波包分析的结构损伤特征提取 | 第24-42页 |
| ·引言 | 第24页 |
| ·小波变换 | 第24-29页 |
| ·离散小波变换 | 第24-25页 |
| ·多分辨分析 | 第25页 |
| ·正交小波基 | 第25-28页 |
| ·Mallat算法 | 第28-29页 |
| ·小波包变换 | 第29-32页 |
| ·小波包的基本概念 | 第29-31页 |
| ·小波包分解频带能量 | 第31-32页 |
| ·仿真实例 | 第32-36页 |
| ·正交小波基函数的选择 | 第32-35页 |
| ·幅值变化与小波包能量分布的关系 | 第35-36页 |
| ·ASCE结构损伤的小波包分解频带能量监测 | 第36-41页 |
| ·ASCE结构模型 | 第36-38页 |
| ·小波包分解频带能量监测 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 基于神经网络的结构损伤诊断 | 第42-55页 |
| ·引言 | 第42页 |
| ·人工神经网络概述 | 第42-44页 |
| ·人工神经网络的基本原理 | 第42-44页 |
| ·人工神经网络的学习 | 第44页 |
| ·BP神经网络 | 第44-51页 |
| ·BP神经网络模型 | 第45页 |
| ·BP网络学习公式推导 | 第45-48页 |
| ·BP学习算法过程 | 第48-50页 |
| ·BP神经网络的构造与快速学习算法的选择 | 第50-51页 |
| ·基于BP神经网络的结构损伤诊断 | 第51-54页 |
| ·神经网络的选择 | 第51页 |
| ·基于BP神经网络的ASCE结构损伤诊断 | 第51-53页 |
| ·影响基于神经网络方法结构损伤诊断的主要因素 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 基于特征融合的损伤诊断 | 第55-63页 |
| ·引言 | 第55页 |
| ·基于特征融合的损伤诊断方法 | 第55-57页 |
| ·数据特征融合与神经网络融合的适应性 | 第55-56页 |
| ·方法步骤 | 第56-57页 |
| ·基于特征融合的ASCE结构损伤诊断 | 第57-60页 |
| ·特征提取 | 第57-58页 |
| ·损伤诊断 | 第58-60页 |
| ·工程振动信号诊断 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 基于HHT的结构渐进损伤特征提取方法研究 | 第63-80页 |
| ·引言 | 第63页 |
| ·HHT | 第63-68页 |
| ·瞬时频率和固有模式函数 | 第63-64页 |
| ·经验模式分解 | 第64-66页 |
| ·Hilbert变换 | 第66页 |
| ·仿真实例 | 第66-67页 |
| ·端点效应消除方法 | 第67-68页 |
| ·单自由度结构渐进损伤特征提取的仿真研究 | 第68-74页 |
| ·时变动力系统模型分析和建立 | 第68-70页 |
| ·基于HHT的单自由度结构渐进损伤特征提取 | 第70-74页 |
| ·多自由度模型的渐进损伤特征提取 | 第74-78页 |
| ·结构的时变动力系统模型分析 | 第74-75页 |
| ·HHT损伤特征提取 | 第75-78页 |
| ·工程振动信号分析 | 第78-79页 |
| ·本章小结 | 第79-80页 |
| 第六章 结论与展望 | 第80-82页 |
| ·结论 | 第80页 |
| ·展望 | 第80-82页 |
| 参考文献 | 第82-91页 |
| 攻读硕士学位期间发表的论文和参加的科研项目 | 第91-92页 |
| 致谢 | 第92页 |
