| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 主要符号说明 | 第8-9页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 结构损伤识别理论及方法 | 第9-10页 |
| 1.1.2 贝叶斯方法在结构损伤识别中的意义 | 第10-11页 |
| 1.1.3 稀疏贝叶斯学习在结构损伤识别中的意义 | 第11-12页 |
| 1.2 国内外研究现状及分析 | 第12-14页 |
| 1.2.1 贝叶斯损伤识别方法的现状 | 第12-13页 |
| 1.2.2 稀疏贝叶斯学习理论的发展及其应用 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 第2章 贝叶斯反演理论和结构损伤识别贝叶斯建模 | 第15-26页 |
| 2.1 工程反问题的线性回归模型及其求解 | 第15-16页 |
| 2.2 模型的稀疏表达 | 第16-17页 |
| 2.3 贝叶斯反演理论 | 第17-21页 |
| 2.3.1 随机系统模型的定义 | 第17页 |
| 2.3.2 贝叶斯模型更新 | 第17页 |
| 2.3.3 贝叶斯模型选择 | 第17-18页 |
| 2.3.4 稀疏贝叶斯学习 | 第18-21页 |
| 2.4 本文结构损伤识别反问题 | 第21-23页 |
| 2.4.1 结构模型 | 第21-22页 |
| 2.4.2 测试模态数据和系统模态参数 | 第22页 |
| 2.4.3 损伤识别反问题的目标函数 | 第22-23页 |
| 2.5 本文损伤识别反问题的贝叶斯建模 | 第23-25页 |
| 2.5.1 结构刚度系数和系统模态参数的先验概率密度函数 | 第23-24页 |
| 2.5.2 结构刚度系数和系统模态参数的似然函数 | 第24页 |
| 2.5.3 所有不确定参数的联合后验概率密度函数 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 结构损伤识别的稀疏贝叶斯学习快速算法研究 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 贝叶斯推理 | 第26-29页 |
| 3.3 基于稀疏贝叶斯学习的结构损伤识别快速算法 | 第29-30页 |
| 3.4 结构损伤前刚度系数识别 | 第30页 |
| 3.5 数值模拟算例 | 第30-37页 |
| 3.5.1 模型算例及损伤工况 | 第30-32页 |
| 3.5.2 损伤识别结果 | 第32-36页 |
| 3.5.3 参数β的初始值设置对贝叶斯学习效果的影响研究 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 损伤识别的稀疏贝叶斯学习吉布斯采样实现 | 第38-55页 |
| 4.1 引言 | 第38页 |
| 4.2 吉布斯采样方法 | 第38-39页 |
| 4.3 基于吉布斯采样的稀疏贝叶斯学习方法 | 第39-40页 |
| 4.4 参数的后验条件概率密度函数 | 第40-43页 |
| 4.5 吉布斯采样过程 | 第43-46页 |
| 4.5.1 第一种采样方法 | 第43-45页 |
| 4.5.2 第二种采样方法 | 第45-46页 |
| 4.6 数值模拟算例 | 第46-49页 |
| 4.6.1 第一种采样方法 | 第46-48页 |
| 4.6.2 第二种采样方法 | 第48-49页 |
| 4.7 刚度系数的后验不确定性程度对比 | 第49-50页 |
| 4.8 模型稀疏性的验证 | 第50-51页 |
| 4.9 参数β的敏感性研究 | 第51-53页 |
| 4.10 第一种采样方法和第二种采样方法对比 | 第53-54页 |
| 4.11 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-63页 |
| 致谢 | 第63页 |