| 1 引言 | 第1-14页 |
| 1．1 结构损伤检测研究的意义 | 第8-9页 |
| 1．2 国内外结构损伤检测的研究概况 | 第9-10页 |
| 1．3 结构损伤检测研究中存在的问题 | 第10-11页 |
| 1．4 结构损伤检测方法分类 | 第11-13页 |
| 1．4．1 静态检测方法 | 第11页 |
| 1．4．2 动力检测方法 | 第11-13页 |
| 1．5 本文的主要研究内容 | 第13-14页 |
| 2 平面桁架结构损伤识别的有限元理论分析 | 第14-25页 |
| 2．1 有限元模型 | 第14页 |
| 2．2 平面桁架有限元分析的基本理论 | 第14-19页 |
| 2．2．1 计算模型 | 第14页 |
| 2．2．2 基本假定 | 第14-15页 |
| 2．2．3 结构损伤与模态参数的关系 | 第15-19页 |
| 2．3 用 ANSYS对平面桁架模型的损伤检测进行损伤模拟 | 第19-21页 |
| 2．3．1 模型简介 | 第19页 |
| 2．3．2 用 ANSYS的 APDL语言进行结构损伤检测 | 第19-21页 |
| 2．4 对平面桁架结构损伤敏感的参数-柔度差值曲率 | 第21-24页 |
| 2．4．1 平面精架的单元划分 | 第21页 |
| 2．4．2 平面桁架的损伤识别 | 第21-24页 |
| 2．5 本章小结 | 第24-25页 |
| 3 损伤识别的 RBF神经网络法的设计 | 第25-36页 |
| 3．1 人工神经网络的概述 | 第25-27页 |
| 3．1．1 人工神经网络的发展简史 | 第25-26页 |
| 3．1．2 人工神经网络模型 | 第26页 |
| 3．1．3 人工神经网络的特点和基本原理 | 第26-27页 |
| 3．2 RBF神经网络理论基础 | 第27-31页 |
| 3．2．1 RBF神经网络的研究现状 | 第27-28页 |
| 3．2．2 RBF神经网络的结构模型 | 第28-29页 |
| 3．2．3 RBF神经网络的训练算法 | 第29-31页 |
| 3．3 RBF神经网络损伤识别的设计 | 第31-34页 |
| 3．3．1 MATLAB神经网络工具箱简介 | 第32页 |
| 3．3．2 RBF神经网络设计函数 | 第32-33页 |
| 3．3．3 RBF神经网络用于平面桁架损伤识别的基本步骤 | 第33-34页 |
| 3．4 RBF神经网络与 BP网络的性能比较 | 第34-36页 |
| 3．4．1 BP神经网络简介 | 第34-35页 |
| 3．4．2 RBF与 BP网络的比较 | 第35-36页 |
| 4 基于 RBF神经网络的平面桁架损伤识别 | 第36-49页 |
| 4．1 平面桁架损伤识别研究的几点说明 | 第36页 |
| 4．2 RBF神经网络样本采集 | 第36-37页 |
| 4．2．1 单损伤识别的样本采集 | 第36-37页 |
| 4．2．2 双损伤识别的样本采集 | 第37页 |
| 4．3 RBF神经网络训练及其仿真 | 第37-48页 |
| 4．3．1 单损伤识别网络结构 | 第37-39页 |
| 4．3．2 双损伤识别网络结构 | 第39-41页 |
| 4．3．3 RBF网络的训练 | 第41-47页 |
| 4．3．4 损伤程度的识别 | 第47-48页 |
| 4．4 本章小结 | 第48-49页 |
| 5 结论 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 在读期间发表的学术论文 | 第55-56页 |
| 作者简历 | 第56-57页 |
| 致谢 | 第57页 |
