基于小波神经网络的结构损伤识别方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第12-30页 |
| 1.1 引言 | 第12页 |
| 1.2 结构损伤识别的研究概况 | 第12-14页 |
| 1.2.1 问题提出 | 第12-13页 |
| 1.2.2 结构损伤识别的早期研究 | 第13-14页 |
| 1.3 结构损伤识别的研究现状 | 第14-27页 |
| 1.3.1 基于模态的损伤识别 | 第14-17页 |
| 1.3.2 基于模型修正的损伤识别 | 第17-19页 |
| 1.3.3 基于概率统计的损伤识别 | 第19-22页 |
| 1.3.4 基于小波分析的损伤识别 | 第22-24页 |
| 1.3.5 基于神经网络的损伤识别 | 第24-27页 |
| 1.4 小波神经网络的研究现状 | 第27-28页 |
| 1.4.1 小波神经网络的构造 | 第27页 |
| 1.4.2 小波神经网络的学习过程 | 第27-28页 |
| 1.4.3 小波网神经络的收敛性能 | 第28页 |
| 1.5 论文主要研究内容 | 第28-30页 |
| 第二章 小波理论及神经网络基本原理 | 第30-48页 |
| 2.1 引言 | 第30页 |
| 2.2 小波分析理论 | 第30-40页 |
| 2.2.1 小波函数 | 第30-31页 |
| 2.2.2 连续小波变换 | 第31-32页 |
| 2.2.3 时频局部化特性 | 第32-34页 |
| 2.2.4 离散小波变换及多分辨率分析 | 第34-38页 |
| 2.2.5 Mallat 算法 | 第38-40页 |
| 2.3 神经网络的基本原理 | 第40-47页 |
| 2.3.1 人工神经元模型 | 第40-41页 |
| 2.3.2 神经网络的拓扑结构 | 第41-42页 |
| 2.3.3 神经网络的学习规则 | 第42页 |
| 2.3.4 BP 神经网络 | 第42-43页 |
| 2.3.5 BP 算法 | 第43-45页 |
| 2.3.6 BP 网络的局限性 | 第45-46页 |
| 2.3.7 径向基函数神经网络 | 第46-47页 |
| 2.4 本章小结 | 第47-48页 |
| 第三章 小波神经网络的优化改进 | 第48-57页 |
| 3.1 引言 | 第48页 |
| 3.2 小波神经网络简介 | 第48-49页 |
| 3.3 小波神经网络模型需考虑的问题 | 第49-51页 |
| 3.4 小波框架 | 第51-52页 |
| 3.5 修正 GRAM-SCHMIDT 算法 | 第52-54页 |
| 3.6 动态时延小波神经网络模型 | 第54-55页 |
| 3.7 小波神经网络的小波数量优化 | 第55-56页 |
| 3.8 本章小结 | 第56-57页 |
| 第四章 结构系统识别的动态模糊小波神经网络 | 第57-75页 |
| 4.1 引言 | 第57-58页 |
| 4.2 小波包去噪 | 第58-61页 |
| 4.2.1 小波包 | 第59-60页 |
| 4.2.2 离散小波包去噪 | 第60-61页 |
| 4.3 构造去噪数据的状态空间向量 | 第61-63页 |
| 4.4 构造动态时延模糊小波神经网络模型 | 第63-67页 |
| 4.4.1 构造模糊小波神经网络模型 | 第63-65页 |
| 4.4.2 构造动态时延模糊小波神经网络模型 | 第65-67页 |
| 4.5 训练动态时延模糊小波神经网络模型 | 第67-68页 |
| 4.6 模糊小波神经网络模型验证 | 第68-74页 |
| 4.6.1 结构实例 | 第68-69页 |
| 4.6.2 数据去噪 | 第69-70页 |
| 4.6.3 构造动态时延模糊小波神经网络模型 | 第70-71页 |
| 4.6.4 训练动态模糊小波神经网络模型 | 第71页 |
| 4.6.5 测试动态模糊小波神经网络模型 | 第71-74页 |
| 4.7 本章小结 | 第74-75页 |
| 第五章 动态模糊小波神经网络的训练方法 | 第75-91页 |
| 5.1 引言 | 第75页 |
| 5.2 动态时延模糊小波神经网络模型 | 第75-77页 |
| 5.3 自适应 LM-LS 学习算法 | 第77-81页 |
| 5.3.1 误差目标函数 | 第77页 |
| 5.3.2 混合 LM-LS 算法 | 第77-79页 |
| 5.3.3 回溯不精确线性搜索算法 | 第79-80页 |
| 5.3.4 收敛准则 | 第80-81页 |
| 5.4 结构系统识别的 LM -LS 算法 | 第81-83页 |
| 5.5 结构应用实例 | 第83-90页 |
| 5.5.1 结构实例 | 第83-85页 |
| 5.5.2 数据去噪 | 第85-86页 |
| 5.5.3 构造模糊小波神经网络模型 | 第86页 |
| 5.5.4 训练模糊小波神经网络模型 | 第86-87页 |
| 5.5.5 系统识别结果 | 第87-90页 |
| 5.6 本章小结 | 第90-91页 |
| 第六章 基于动态模糊小波神经网络的结构损伤识别 | 第91-114页 |
| 6.1 引言 | 第91-92页 |
| 6.2 大型复杂结构的测量子结构 | 第92-93页 |
| 6.3 损伤识别的动态模糊小波神经网络模型 | 第93-94页 |
| 6.4 基于伪谱的损伤识别方法 | 第94-98页 |
| 6.4.1 伪谱定义 | 第95-96页 |
| 6.4.2 伪谱性质 | 第96页 |
| 6.4.3 基于伪谱的损伤指标 | 第96-98页 |
| 6.5 损伤识别模型验证 | 第98-104页 |
| 6.5.1 结构实例 | 第98-99页 |
| 6.5.2 构造动态时延模糊小波神经网络模型 | 第99页 |
| 6.5.3 训练动态模糊小波神经网络模型 | 第99页 |
| 6.5.4 损伤识别 | 第99-104页 |
| 6.6 桥梁结构加固实例 | 第104-112页 |
| 6.6.1 工程概况 | 第104-106页 |
| 6.6.2 主要病害 | 第106-108页 |
| 6.6.3 测点布置 | 第108页 |
| 6.6.4 数值仿真 | 第108-110页 |
| 6.6.5 构造动态模糊小波神经网络模型 | 第110页 |
| 6.6.6 训练动态模糊小波神经网络模型 | 第110页 |
| 6.6.7 损伤识别 | 第110-112页 |
| 6.7 本章小结 | 第112-114页 |
| 结论 | 第114-117页 |
| 参考文献 | 第117-132页 |
| 攻读博士学位期间取得的研究成果 | 第132-133页 |
| 致谢 | 第133页 |
