| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-6页 |
| 第一章 绪论 | 第6-16页 |
| 1．1 系统识别 | 第6页 |
| 1．2 系统识别的方法 | 第6-13页 |
| 1．3 系统识别的应用 | 第13-14页 |
| 1．4 本文的研究内容 | 第14-16页 |
| 第二章 系统识别的理论基础 | 第16-33页 |
| 2．1 引言 | 第16页 |
| 2．2 数学模型之间的关联问题 | 第16-21页 |
| 2．3 参数识别的基本原理 | 第21-25页 |
| 2．4 卡尔曼滤波理论的基本原理及公式 | 第25-33页 |
| 第三章 改进的卡尔曼滤波方法 | 第33-49页 |
| 3．1 引言 | 第33-35页 |
| 3．2 加权整体迭代的扩展卡尔曼滤波方法 | 第35-39页 |
| 3．3 自适应的扩展卡尔曼滤波方法 | 第39-44页 |
| 3．4 基于ABIC信息准则的最优遗忘因子方法 | 第44-48页 |
| 3．5 方法的比较 | 第48-49页 |
| 第四章 卡尔曼滤波估计在框架结构系统识别中的应用 | 第49-65页 |
| 4．1 引言 | 第49页 |
| 4．2 力学模型的选择 | 第49-52页 |
| 4．3 卡尔曼滤波估计在整体剪切型平面框架系统识别中的应用 | 第52-57页 |
| 4．4 卡尔曼滤波估计在平面框架子系统识别中的应用 | 第57-61页 |
| 4．5 卡尔曼滤波估计在剪弯型平面框架系统识别中的应用 | 第61-65页 |
| 第五章 基于卡尔曼滤波估计的时域识别方法在损伤诊断中的应用 | 第65-75页 |
| 5．1 引言 | 第65-66页 |
| 5．2 结构损伤诊断方法 | 第66-67页 |
| 5．3 基于卡尔曼滤波估计的识别方法在框架结构损伤诊断中的应用 | 第67-75页 |
| 第六章 结论与展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-83页 |
