摘要 | 第3-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第9-17页 |
1.1 研究目的及意义 | 第9-10页 |
1.2 研究现状 | 第10-13页 |
1.3 稀疏正则化 | 第13-14页 |
1.4 压缩感知 | 第14页 |
1.5 本文的主要内容及创新 | 第14-17页 |
第二章 基于范数归一化和损伤先验信息的结构损伤识别 | 第17-53页 |
2.1 引言 | 第17页 |
2.2 基于模态参数的灵敏度分析方法 | 第17-19页 |
2.3 基于灵敏度分析的结构损伤识别 | 第19-22页 |
2.4 稀疏正则化 | 第22-25页 |
2.5 范数归一化 | 第25-26页 |
2.6 损伤先验信息 | 第26-28页 |
2.7 数值模拟 | 第28-51页 |
2.8 本章小结 | 第51-53页 |
第三章 基于压缩感知和损伤先验信息的结构损伤识别 | 第53-73页 |
3.1 引言 | 第53页 |
3.2 信号采样 | 第53-54页 |
3.3 压缩感知理论 | 第54-55页 |
3.4 重建条件 | 第55-58页 |
3.5 基于压缩感知的灵敏度分析方法 | 第58-59页 |
3.6 损伤先验信息降维 | 第59-60页 |
3.7 基于压缩感知的结构损伤识别 | 第60-61页 |
3.8 数值模拟 | 第61-71页 |
3.9 本章小结 | 第71-73页 |
第四章 实验验证 | 第73-87页 |
4.1 引言 | 第73-74页 |
4.2 模态分析 | 第74-77页 |
4.3 模型修正 | 第77-80页 |
4.4 实验数据验证 | 第80-86页 |
4.5 本章小结 | 第86-87页 |
第五章 结论与展望 | 第87-89页 |
5.1 结论 | 第87-88页 |
5.2 展望 | 第88-89页 |
参考文献 | 第89-95页 |
致谢 | 第95-96页 |
硕士期间的成果列表 | 第96页 |