| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 引言 | 第11-13页 |
| 1.2 结构的健康监测 | 第13-14页 |
| 1.3 结构的损伤检测 | 第14-19页 |
| 1.3.1 动力指纹法 | 第15-18页 |
| 1.3.2 模型修正法 | 第18-19页 |
| 1.3.3 神经网络法 | 第19页 |
| 1.4 本文研究内容 | 第19-21页 |
| 第2章 RBF神经网络与经验模式分解基本原理 | 第21-38页 |
| 2.1 人工神经网络简介 | 第21-25页 |
| 2.1.1 神经网络的基本特性 | 第21-22页 |
| 2.1.2 人工神经网络的研究历程 | 第22-23页 |
| 2.1.3 人工神经网络模型 | 第23-24页 |
| 2.1.4 人工神经网络在网架结构损伤识别中的应用 | 第24-25页 |
| 2.2 RBF网络及其算法 | 第25-29页 |
| 2.2.1 RBF神经网络基本原理 | 第25-26页 |
| 2.2.2 RBF神经网络结构模型 | 第26-27页 |
| 2.2.3 RBF神经网络的学习算法 | 第27-29页 |
| 2.2.4 利用RBF神经网络对结构损伤进行识别 | 第29页 |
| 2.3 EMD方法概述 | 第29-30页 |
| 2.4 EMD方法的基本原理与算法 | 第30-36页 |
| 2.4.1 信号瞬时频率 | 第30-31页 |
| 2.4.2 本征模态函数 | 第31-32页 |
| 2.4.3 EMD计算方法 | 第32-34页 |
| 2.4.4 EMD分解的完备性和正交性 | 第34-35页 |
| 2.4.5 EMD方法的局限性 | 第35-36页 |
| 2.5 EMD与RBF神经网络相结合进行损伤识别的理论可行性分析 | 第36页 |
| 2.6 本章小结 | 第36-38页 |
| 第3章 基于EMD与RBF神经网络的损伤识别方法模拟分析 | 第38-67页 |
| 3.1 网架结构数值模拟 | 第38-43页 |
| 3.1.1 数值分析模型的建立 | 第38-39页 |
| 3.1.2 激励方法的选取 | 第39-42页 |
| 3.1.3 动力响应数据的处理方法 | 第42-43页 |
| 3.2 仿真实验方法及过程 | 第43-47页 |
| 3.2.1 RBF神经网络输入向量的设计 | 第43-46页 |
| 3.2.2 RBF神经网络目标向量的设计 | 第46页 |
| 3.2.3 RBF神经网络的网络结构设计 | 第46-47页 |
| 3.3 单处损伤的识别 | 第47-56页 |
| 3.3.1 工况设置 | 第47-48页 |
| 3.3.2 识别结果 | 第48-56页 |
| 3.4 多处损伤的识别 | 第56-62页 |
| 3.4.1 工况设置 | 第56页 |
| 3.4.2 识别结果 | 第56-62页 |
| 3.5 损伤程度的识别 | 第62-65页 |
| 3.5.1 工况设置 | 第62-63页 |
| 3.5.2 识别结果 | 第63-65页 |
| 3.6 本章小结 | 第65-67页 |
| 第4章 基于EMD与RBF神经网络损伤识别方法实验分析 | 第67-77页 |
| 4.1 实验目的 | 第67页 |
| 4.2 实验方案 | 第67-73页 |
| 4.2.1 模型概况 | 第67-68页 |
| 4.2.2 实验设备 | 第68-70页 |
| 4.2.3 激励方式 | 第70-73页 |
| 4.3 损伤识别 | 第73-76页 |
| 4.3.1 工况设置 | 第73页 |
| 4.3.2 工况一识别结果 | 第73-75页 |
| 4.3.3 工况二识别结果 | 第75-76页 |
| 4.4 本章小结 | 第76-77页 |
| 第5章 结论与展望 | 第77-79页 |
| 5.1 全文小结 | 第77-78页 |
| 5.2 不足与展望 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 致谢 | 第84-85页 |
