| 第一章 绪论 | 第1-27页 |
| 1．1 概述 | 第10页 |
| 1．2 结构损伤诊断方法 | 第10-17页 |
| 1．3 基于神经网络的结构损伤诊断方法 | 第17-19页 |
| 1．4 本文研究内容 | 第19-20页 |
| 参考文献 | 第20-27页 |
| 第二章 基于灵敏度分析的结构损伤诊断 | 第27-45页 |
| 2．1 概述 | 第27页 |
| 2．2 基于特征值的灵敏度分析法 | 第27-33页 |
| 2．3 基于振型的灵敏度分析法 | 第33-35页 |
| 2．4 严重损伤程度识别的迭代法 | 第35-36页 |
| 2．5 损伤识别的两步法 | 第36-39页 |
| 2．6 基于正交条件的灵敏度分析法 | 第39-43页 |
| 2．7 小结 | 第43-44页 |
| 参考文献 | 第44-45页 |
| 第三章 模型误差对损伤诊断的影响 | 第45-62页 |
| 3．1 概述 | 第45-46页 |
| 3．2 理论分析 | 第46-48页 |
| 3．3 边界条件误差对损伤诊断的影响 | 第48-51页 |
| 3．4 用特征值灵敏度法识别连续梁桥弹性支承实例分析 | 第51-56页 |
| 3．5 结构刚度误差对损伤诊断的影响 | 第56-58页 |
| 3．6 小结 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 第四章 测量误差对损伤诊断的影响 | 第62-75页 |
| 4．1 概述 | 第62-63页 |
| 4．2 特征值测量误差对损伤诊断的影响 | 第63-69页 |
| 4．3 振型扩阶及误差分析 | 第69-72页 |
| 4．4 振型测量误差对损伤诊断的影响 | 第72-73页 |
| 4．5 小结 | 第73-74页 |
| 参考文献 | 第74-75页 |
| 第五章 结构损伤诊断神经网络的选择 | 第75-84页 |
| 5．1 概述 | 第75-76页 |
| 5．2 Bp网络 | 第76-78页 |
| 5．3 改进的动态学习速率法 | 第78-80页 |
| 5．4 自组织Kohonen神经网络 | 第80-82页 |
| 参考文献 | 第82-84页 |
| 第六章 钢桁梁桥损伤识别的神经网络方法 | 第84-98页 |
| 6．1 概述 | 第84-85页 |
| 6．2 网络输入参数的选择 | 第85-89页 |
| 6．3 损伤位置识别 | 第89-91页 |
| 6．4 损伤程度识别 | 第91-92页 |
| 6．5 模型误差对网络识别结果的影响 | 第92-95页 |
| 6．6 测量误差对网络识别结果的影响 | 第95-96页 |
| 6．7 小结 | 第96页 |
| 参考文献 | 第96-98页 |
| 第七章 桥梁结构损伤监测的神经网络方法 | 第98-123页 |
| 7．1 概述 | 第98-99页 |
| 7．2 北川河桥有限元分析模型 | 第99-102页 |
| 7．3 用应变模态对拱肋进行损伤监测 | 第102-111页 |
| 7．4 用Kohonen网络对吊杆进行损伤监测 | 第111-120页 |
| 7．5 拱桥损伤监测方案 | 第120-121页 |
| 7．6 小结 | 第121-122页 |
| 参考文献 | 第122-123页 |
| 第八章 结论和建议 | 第123-126页 |
| 致谢 | 第126-127页 |
| 附录 作者相关论文题目 | 第127页 |