| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 基于动力参数的损伤识别方法 | 第13-16页 |
| 1.2.1 基于模态频率的损伤识别方法 | 第13-14页 |
| 1.2.2 基于振型及其导出量的损伤识别方法 | 第14-15页 |
| 1.2.3 基于应变模态及模态柔度的损伤识别方法 | 第15-16页 |
| 1.3 基于计算智能技术的损伤识别方法 | 第16-21页 |
| 1.3.1 基于神经网络的损伤识别方法 | 第16-18页 |
| 1.3.2 基于支持向量机的损伤识别方法 | 第18页 |
| 1.3.3 基于小波分析的损伤识别方法 | 第18-19页 |
| 1.3.4 其它方法 | 第19-21页 |
| 1.4 损伤识别方法的抗噪性能研究 | 第21-22页 |
| 1.5 本文主要研究内容 | 第22-24页 |
| 第2章 桥梁损伤识别智能计算理论 | 第24-42页 |
| 2.1 引言 | 第24页 |
| 2.2 基于动力特性的损伤识别原理 | 第24-27页 |
| 2.2.1 基于模态频率的损伤识别 | 第24-26页 |
| 2.2.2 基于模态振型的损伤识别 | 第26-27页 |
| 2.3 BP神经网络理论 | 第27-33页 |
| 2.3.1 神经元及BP神经网络结构 | 第27-30页 |
| 2.3.2 BP神经网络学习过程 | 第30-31页 |
| 2.3.3 BP神经网络学习算法 | 第31-33页 |
| 2.4 支持向量机理论 | 第33-41页 |
| 2.4.1 统计学习理论及结构风险最小准则 | 第33-34页 |
| 2.4.2 基于支持向量机的分类算法 | 第34-37页 |
| 2.4.3 基于支持向量机的回归算法 | 第37-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第3章 简支梁桥损伤识别计算智能方法及抗噪性能研究 | 第42-62页 |
| 3.1 引言 | 第42-43页 |
| 3.2 损伤识别指标及工况建立 | 第43-48页 |
| 3.2.1 模态振型比值 | 第43页 |
| 3.2.2 损伤识别指标有效性 | 第43-46页 |
| 3.2.3 损伤识别工况建立 | 第46-48页 |
| 3.3 基于BP神经网络的简支梁损伤识别 | 第48-53页 |
| 3.3.1 损伤位置识别 | 第48-51页 |
| 3.3.2 损伤程度识别 | 第51-53页 |
| 3.4 基于SVM的简支梁损伤识别 | 第53-57页 |
| 3.4.1 损伤位置识别 | 第53-55页 |
| 3.4.2 损伤程度识别 | 第55-57页 |
| 3.5 简支梁桥损伤识别抗噪性能分析 | 第57-60页 |
| 3.5.1 噪声模拟 | 第57-58页 |
| 3.5.2 损伤位置识别抗噪性能分析 | 第58-59页 |
| 3.5.3 损伤程度识别抗噪性能分析 | 第59-60页 |
| 3.6 本章小结 | 第60-62页 |
| 第4章 异形桥梁损伤识别计算智能方法及抗噪性能研究 | 第62-72页 |
| 4.1 引言 | 第62-63页 |
| 4.2 损伤识别指标及工况建立 | 第63-66页 |
| 4.2.1 损伤识别指标 | 第63页 |
| 4.2.2 损伤识别工况建立 | 第63-66页 |
| 4.3 基于BP神经网络的异形桥梁损伤识别 | 第66-68页 |
| 4.3.1 损伤位置识别 | 第66-67页 |
| 4.3.2 损伤程度识别 | 第67-68页 |
| 4.4 基于SVM的异形桥梁损伤识别 | 第68-69页 |
| 4.4.1 损伤位置识别 | 第68-69页 |
| 4.4.2 损伤程度识别 | 第69页 |
| 4.5 异形桥梁损伤识别抗噪性能分析 | 第69-71页 |
| 4.5.1 噪声模拟 | 第69-70页 |
| 4.5.2 损伤位置识别抗噪性能分析 | 第70页 |
| 4.5.3 损伤程度识别抗噪性能分析 | 第70-71页 |
| 4.6 本章小结 | 第71-72页 |
| 第5章 结论与展望 | 第72-74页 |
| 5.1 结论 | 第72-73页 |
| 5.2 展望 | 第73-74页 |
| 参考文献 | 第74-82页 |
| 作者简介 | 第82-83页 |
| 致谢 | 第83页 |