基于自回归模型和主成分分析的结构损伤识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9页 |
| 1.2 环境因素对结构动力特性的影响 | 第9-10页 |
| 1.3 损伤识别方法 | 第10-13页 |
| 1.3.1 动力指纹法 | 第11页 |
| 1.3.2 模型修正法 | 第11页 |
| 1.3.3 神经网络法 | 第11-12页 |
| 1.3.4 遗传算法 | 第12页 |
| 1.3.5 小波分析 | 第12-13页 |
| 1.3.6 时间序列法 | 第13页 |
| 1.4 本文研究内容 | 第13-15页 |
| 第2章 AR 模型在结构损伤识别中的应用 | 第15-31页 |
| 2.1 引言 | 第15页 |
| 2.2 自回归模型的基本理论 | 第15-20页 |
| 2.2.1 数据预处理 | 第15页 |
| 2.2.2 模型定阶 | 第15-16页 |
| 2.2.3 模型参数估计 | 第16-20页 |
| 2.3 基于 AR 模型的损伤识别方法 | 第20-21页 |
| 2.3.1 欧式距离判别法 | 第20-21页 |
| 2.3.2 Itakura 距离判别法 | 第21页 |
| 2.4 数值算例 | 第21-23页 |
| 2.5 试验研究 | 第23-30页 |
| 2.5.1 试验模型 | 第23-25页 |
| 2.5.2 欧式距离判别法 | 第25-28页 |
| 2.5.3 Itakura 距离判别法 | 第28-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 基于 PCA 的环境特征提取方法 | 第31-44页 |
| 3.1 引言 | 第31页 |
| 3.2 主成分分析 | 第31-33页 |
| 3.2.1 主成分分析的基本思想 | 第31页 |
| 3.2.2 主成分分析的数学模型 | 第31-32页 |
| 3.2.3 主成分分析的算法 | 第32-33页 |
| 3.3 PCA 的环境特征提取与消除方法 | 第33-39页 |
| 3.3.1 振动系统的传递函数 | 第33-34页 |
| 3.3.2 ARMA 模型的传递函数 | 第34页 |
| 3.3.3 ARMA 模型特征值 | 第34-35页 |
| 3.3.4 环境因素与自回归系数的关系 | 第35-37页 |
| 3.3.5 自回归系数中的环境分量提取 | 第37-38页 |
| 3.3.6 自回归系数中的环境分量消除 | 第38-39页 |
| 3.4 试验研究 | 第39-43页 |
| 3.4.1 工况设置 | 第39-40页 |
| 3.4.2 第一主成分方差贡献率分析 | 第40-41页 |
| 3.4.3 损伤识别结果分析 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于 KPCA 的环境特征提取方法 | 第44-52页 |
| 4.1 引言 | 第44页 |
| 4.2 核主成分分析 | 第44-47页 |
| 4.2.1 核主成分分析的基本思想 | 第44页 |
| 4.2.2 核函数选取与构造 | 第44-45页 |
| 4.2.3 核主成分分析的基本原理 | 第45-47页 |
| 4.3 基于 KPCA 的损伤识别原理 | 第47-48页 |
| 4.4 试验研究 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 AR 模型在实桥状态监测中的应用 | 第52-58页 |
| 5.1 平胜大桥介绍 | 第52页 |
| 5.2 加速度传感器布点 | 第52-53页 |
| 5.3 基于 AR 模型和 PCA 的损伤诊断 | 第53-55页 |
| 5.4 基于 AR 模型和 KPCA 的损伤诊断 | 第55-57页 |
| 5.5 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |
