| 摘要 | 第1-11页 |
| Abstract | 第11-13页 |
| 第1章 绪论 | 第13-26页 |
| ·引言 | 第13-16页 |
| ·研究背景及意义 | 第16-17页 |
| ·国内外研究现状 | 第17-23页 |
| ·基于频率观测的结构损伤识别方法 | 第18页 |
| ·基于结构固有振型变化的结构损伤识别方法 | 第18-19页 |
| ·基于结构刚度和柔度变化的结构损伤识别方法 | 第19-20页 |
| ·基于小波分析的结构损伤识别方法 | 第20-21页 |
| ·基于时间序列模型参数变化的结构损伤识别方法 | 第21-22页 |
| ·基于神经网络的结构损伤识别方法 | 第22-23页 |
| ·问题的提出 | 第23-24页 |
| ·本文研究的主要内容 | 第24-26页 |
| 第2章 时间序列分析的基本理论及其应用 | 第26-37页 |
| ·引言 | 第26页 |
| ·时间序列的相关概念及特性 | 第26-29页 |
| ·时间序列 | 第26-27页 |
| ·时间序列的预处理 | 第27-29页 |
| ·时间序列模型 | 第29-33页 |
| ·概述 | 第29-30页 |
| ·自回归模型（AR 模型） | 第30-31页 |
| ·AR 模型参数估计 | 第31-32页 |
| ·AR 模型定阶 | 第32-33页 |
| ·AR 模型在结构损伤识别中的应用 | 第33-34页 |
| ·AR 模型在 MATLAB 中的实现 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 神经网络的基本理论及其应用 | 第37-49页 |
| ·引言 | 第37页 |
| ·神经网络的基本理论 | 第37-39页 |
| ·网络的神经元模型 | 第37-38页 |
| ·神经网络的学习规则 | 第38页 |
| ·网络模型的特性 | 第38-39页 |
| ·BP 神经网络 | 第39-44页 |
| ·BP 网络模型 | 第39-40页 |
| ·BP 神经网络的设计 | 第40-41页 |
| ·BP 网络的学习参数 | 第41-42页 |
| ·BP 神经网络的传递函数 | 第42-43页 |
| ·BP 算法的实现过程 | 第43-44页 |
| ·BP 神经网络在结构损伤识别中的应用 | 第44-45页 |
| ·BP 神经网络在 MATLAB 中的实现 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于时间序列分析与神经网络的大跨度空间网格结构损伤识别方法 | 第49-62页 |
| ·引言 | 第49页 |
| ·基于时间序列模型的损伤识别参数 | 第49-51页 |
| ·基于时间序列分析与神经网络的大跨度空间网格结构损伤识别方法的基本路线 | 第51-52页 |
| ·建立有限元模型 | 第52-53页 |
| ·传感器优化布置 | 第53-55页 |
| ·时间序列分析法判别结构损伤是否存在 | 第55-58页 |
| ·神经网络法对结构损伤进行定位 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 算例分析 | 第62-116页 |
| ·引言 | 第62页 |
| ·建立球面网壳的有限元模型 | 第62-63页 |
| ·响应点的选择 | 第63-64页 |
| ·高斯白噪声激励下的数值模拟 | 第64-91页 |
| ·无噪声影响下的模拟 | 第66-80页 |
| ·噪声情况下的模拟 | 第80-91页 |
| ·环境激励下的数值模拟 | 第91-107页 |
| ·无噪声情况下的数值模拟 | 第92-98页 |
| ·噪声情况下的数值模拟 | 第98-107页 |
| ·影响大跨度空间网格结构损伤识别精度的因素分析 | 第107-115页 |
| ·传感器布置位置的影响 | 第107-109页 |
| ·传感器数目的影响 | 第109-112页 |
| ·BP 网络隐含层神经元数目对损伤识别的影响 | 第112-115页 |
| ·本章小结 | 第115-116页 |
| 第6章 结论与展望 | 第116-118页 |
| ·结论 | 第116-117页 |
| ·展望 | 第117-118页 |
| 参考文献 | 第118-124页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第124-125页 |
| 致谢 | 第125页 |