摘要 | 第3-4页 |
Abstract | 第4-5页 |
第一章 绪论 | 第9-18页 |
1.1 课题研究的目的和意义 | 第9-10页 |
1.2 结构损伤识别研究现状 | 第10-13页 |
1.2.1 基于振型的结构损伤识别 | 第10-11页 |
1.2.2 基于固有频率的结构损伤识别 | 第11页 |
1.2.3 基于刚度、柔度矩阵的结构损伤识别 | 第11-12页 |
1.2.4 基于智能算法的结构损伤识别 | 第12-13页 |
1.3 基于粒子群算法的损伤识别研究现状 | 第13-15页 |
1.3.1 粒子群优化算法的改进 | 第14页 |
1.3.2 基于粒子群算法的结构损伤识别方法 | 第14-15页 |
1.4 基于云计算的结构健康监测研究现状 | 第15-16页 |
1.5 当前存在问题与主要研究内容 | 第16-18页 |
1.5.1 当前存在问题 | 第16-17页 |
1.5.2 主要研究内容 | 第17-18页 |
第二章 基于Matlab云计算的框架结构参数并行辨识 | 第18-38页 |
2.1 Matlab云计算平台的搭建 | 第18-19页 |
2.2 并行改进多粒子群协同优化算法 | 第19-26页 |
2.2.1 粒子群协同优化算法及其传统改进 | 第19-21页 |
2.2.2 改进多粒子群协同优化算法 | 第21-22页 |
2.2.3 并行改进多粒子群协同优化算法 | 第22-24页 |
2.2.4 并行改进MPSCO算法性能测试 | 第24-26页 |
2.3 结构参数辨识模型 | 第26-30页 |
2.3.1 结构参数编码 | 第26-27页 |
2.3.2 模型适应度函数的建立 | 第27-28页 |
2.3.3 模型适应度函数性能分析 | 第28-30页 |
2.4 数值实验 | 第30-34页 |
2.4.1 数值结构模型的建立 | 第30页 |
2.4.2 基于云计算的并行辨识模型 | 第30-31页 |
2.4.3 辨识结果分析 | 第31-33页 |
2.4.4 算法性能分析 | 第33-34页 |
2.5 实验室模型试验 | 第34-37页 |
2.5.1 实验室结构模型 | 第34-35页 |
2.5.2 辨识结果分析 | 第35-36页 |
2.5.3 算法性能分析 | 第36-37页 |
2.6 本章结论 | 第37-38页 |
第三章 基于Spark云计算的框架结构参数并行辨识 | 第38-53页 |
3.1 Apache Spark计算框架与平台搭建 | 第38-42页 |
3.1.1 Spark简介 | 第38-39页 |
3.1.2 Spark RDD | 第39-40页 |
3.1.3 Spark的优势 | 第40-41页 |
3.1.4 Spark云计算平台的搭建 | 第41-42页 |
3.2 基于Spark平台的物理参数并行辨识 | 第42-44页 |
3.3 数值实验 | 第44-48页 |
3.3.1 数值结构模型的建立 | 第44-45页 |
3.3.2 基于Spark云计算的并行辨识模型 | 第45页 |
3.3.3 辨识结果分析 | 第45-48页 |
3.3.4 算法性能分析 | 第48页 |
3.4 实验室模型试验 | 第48-49页 |
3.4.1 实验室结构模型 | 第49页 |
3.4.2 辨识结果分析 | 第49页 |
3.5 Spark和Matlab平台参数辨识比较 | 第49-51页 |
3.6 本章结论 | 第51-53页 |
第四章 基于云计算的两阶段框架结构智能损伤识别 | 第53-68页 |
4.1 第一阶段: 基于云计算的框架结构刚度识别 | 第53页 |
4.2 第二阶段: 基于多元统计分析的框架结构智能损伤判别 | 第53-57页 |
4.2.1 假设检验理论 | 第54-55页 |
4.2.2 损伤发生判别 | 第55-56页 |
4.2.3 损伤定位与定量 | 第56-57页 |
4.3 框架结构智能损伤识别框图 | 第57-58页 |
4.4 数值实验 | 第58-67页 |
4.4.1 一元假设检验 | 第58-62页 |
4.4.2 基于云计算的两阶段框架结构智能损伤识别 | 第62-67页 |
4.5 本章结论 | 第67-68页 |
结论与展望 | 第68-70页 |
参考文献 | 第70-75页 |
致谢 | 第75-76页 |
个人简历 | 第76页 |
在攻读硕士学位期间参与的科研项目及科研成果 | 第76页 |