基于结构模态参数和SVM的结构损伤识别研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-20页 |
| ·结构损伤识别提出的背景与意义 | 第10页 |
| ·国内外损伤识别的研究现状 | 第10-12页 |
| ·国外研究状况 | 第11-12页 |
| ·国内研究状况 | 第12页 |
| ·结构损伤识别的相关技术的发展 | 第12-16页 |
| ·支持向量机 | 第13-14页 |
| ·人工神经网络 | 第14-15页 |
| ·遗传算法 | 第15页 |
| ·小波分析法 | 第15-16页 |
| ·损伤识别方法存在的问题 | 第16-17页 |
| ·本文的研究内容 | 第17-20页 |
| 2 振动模态分析理论的基本原理 | 第20-26页 |
| ·引言 | 第20-21页 |
| ·基于模态参数的损伤识别方法 | 第21-24页 |
| ·基于固有频率变化的方法 | 第21-22页 |
| ·基于振型变化的方法 | 第22-24页 |
| ·本章小结 | 第24-26页 |
| 3 支持向量机理论 | 第26-38页 |
| ·引言 | 第26页 |
| ·支持向量机分类方法 | 第26-29页 |
| ·最优分类超平面 | 第26-29页 |
| ·软间隔分类超平面 | 第29页 |
| ·支持向量机回归方法 | 第29-32页 |
| ·核函数 | 第32-34页 |
| ·支持向量机的学习算法 | 第34-35页 |
| ·支持向量机的实现 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 4 支持向量机结构损伤识别 | 第38-44页 |
| ·引言 | 第38-39页 |
| ·特征向量的构建 | 第39-40页 |
| ·支持向量机的选择 | 第40-42页 |
| ·支持向量机类型的选择 | 第41页 |
| ·核函数及其参数选择 | 第41-42页 |
| ·算法评价 | 第42页 |
| ·本章小结 | 第42-44页 |
| 5 结构损伤识别数值分析算例 | 第44-74页 |
| ·数值分析的任务和流程 | 第44-45页 |
| ·算例一 | 第45-49页 |
| ·分析模型 | 第45页 |
| ·损伤模拟和样本集提取 | 第45-46页 |
| ·特征向量和样本集的构建 | 第46页 |
| ·支持向量机对悬臂梁损伤的识别结果 | 第46-49页 |
| ·算例二 | 第49-73页 |
| ·分析模型 | 第49-50页 |
| ·损伤模拟和样本集提取 | 第50-52页 |
| ·损伤对采用的损伤指标的灵敏度分析 | 第52-61页 |
| ·损伤位置识别 | 第61-66页 |
| ·损伤程度估计 | 第66-73页 |
| ·本章小结 | 第73-74页 |
| 6 结论与展望 | 第74-78页 |
| ·论文结论 | 第74-75页 |
| ·研究展望 | 第75-78页 |
| 参考文献 | 第78-83页 |
| 作者简历 | 第83-84页 |
| 学位论文数据集 | 第84页 |
