| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 桥梁损伤识别国内外研究状况 | 第13-15页 |
| 1.2.2 桥梁监测数据处理国内外研究状况 | 第15-18页 |
| 1.3 亟需解决的问题及关键技术 | 第18-19页 |
| 1.4 本文主要研究内容 | 第19-20页 |
| 第2章 神经元网络损伤识别研究 | 第20-34页 |
| 2.1 神经元网络基本理论 | 第20-22页 |
| 2.1.1 神经元网络基本概念 | 第20-21页 |
| 2.1.2 神经元网络信息传递方式 | 第21-22页 |
| 2.1.3 神经元网络信息处理特点 | 第22页 |
| 2.2 Elman神经元网络 | 第22-24页 |
| 2.2.1 Elman神经网络简介 | 第22-23页 |
| 2.2.2 Elman神经网络的学习算法 | 第23-24页 |
| 2.3 神经元网络损伤识别过程 | 第24-25页 |
| 2.3.1 神经元网络损伤识别原理 | 第24页 |
| 2.3.2 神经元网络损伤识别步骤 | 第24-25页 |
| 2.4 基于应变数据的损伤识别研究应用 | 第25-33页 |
| 2.4.1 石河大桥工程概况 | 第25-26页 |
| 2.4.2 损伤位置及损伤参数选取 | 第26-27页 |
| 2.4.3 基于BP网络应变单位置损伤识别 | 第27-30页 |
| 2.4.4 基于Elman网络应变损伤识别 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 蚁群算法优化Elman神经网络 | 第34-45页 |
| 3.1 蚁群算法基本理论 | 第34-36页 |
| 3.1.1 蚁群算法概述 | 第34页 |
| 3.1.2 蚁群算法的实现 | 第34-36页 |
| 3.1.3 蚁群算法的应用 | 第36页 |
| 3.2 基于蚁群优化Elman神经网络桥梁损伤识别 | 第36-43页 |
| 3.2.1 蚁群算法优化网络的步骤 | 第36-38页 |
| 3.2.2 基于应变数据的位置损伤识别研究 | 第38-41页 |
| 3.2.3 基于应变数据位置损伤程度识别研究 | 第41-43页 |
| 3.3 基于石河大桥传实测应变数据的损伤识别研究 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 石河大桥梁监测数据分析 | 第45-63页 |
| 4.1 桥梁健康监测数据原始数据预处理 | 第45-50页 |
| 4.1.1 数据污染的种类及产生原因 | 第46页 |
| 4.1.2 异常数据处理 | 第46-48页 |
| 4.1.3 缺失数据处理 | 第48-49页 |
| 4.1.4 噪声数据处理 | 第49-50页 |
| 4.2 数据分析 | 第50-55页 |
| 4.2.1 数据合并 | 第50-52页 |
| 4.2.2 数据变换 | 第52-53页 |
| 4.2.3 时间序列分析 | 第53-54页 |
| 4.2.4 聚类分析模型 | 第54-55页 |
| 4.3 基于石河大桥监测数据时序分析 | 第55-62页 |
| 4.3.1 石河大桥监测数据时序分解分析 | 第55-60页 |
| 4.3.2 石河大桥监测数据聚类分析 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 1.全文总结 | 第63-64页 |
| 2.研究展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |