| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-20页 |
| 1.1 课题所属研究领域 | 第10页 |
| 1.2 研究背景与研究意义 | 第10-13页 |
| 1.2.1 桥梁拉索结构的应用 | 第10-11页 |
| 1.2.2 桥梁拉索结构的耐久性问题 | 第11-12页 |
| 1.2.3 桥梁拉索结构监测的必要性 | 第12-13页 |
| 1.3 桥梁拉索结构损伤识别的的研究现状及存在的问题 | 第13-19页 |
| 1.3.1 结构损伤及损伤识别 | 第13-16页 |
| 1.3.2 桥梁拉索结构的腐蚀损伤演化过程 | 第16页 |
| 1.3.3 桥梁拉索结构的损伤监测方法 | 第16-17页 |
| 1.3.4 声发射在桥梁监测中的应用 | 第17-19页 |
| 1.4 本文研究内容 | 第19-20页 |
| 2 声发射监测及信号处理 | 第20-33页 |
| 2.1 引言 | 第20页 |
| 2.2 声发射理论综述 | 第20-24页 |
| 2.2.1 声发射现象 | 第20-22页 |
| 2.2.2 声发射信号的传播性质 | 第22-23页 |
| 2.2.3 声发射技术的特点 | 第23-24页 |
| 2.3 声发射时域分析 | 第24-32页 |
| 2.3.1 声发射信号的时域分析 | 第24-26页 |
| 2.3.2 声发射信号的参数分析 | 第26-28页 |
| 2.3.3 声发射信号的频域分析 | 第28-30页 |
| 2.3.4 声发射信号的波形分析 | 第30-32页 |
| 2.4 声发射技术的应用领域 | 第32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 桥梁拉索腐蚀损伤声发射信号聚类模式识别 | 第33-86页 |
| 3.1 引言 | 第33页 |
| 3.2 钢绞线的腐蚀断裂实验 | 第33-37页 |
| 3.2.1 实验方案 | 第33-35页 |
| 3.2.2 氯盐环境下钢绞线的腐蚀特性 | 第35-37页 |
| 3.2.3 钢绞线腐蚀损伤演化机制 | 第37页 |
| 3.3 桥梁拉索腐蚀损伤声发射源智能识别技术 | 第37-84页 |
| 3.3.1 桥梁拉索腐蚀损伤声发射信号主成分分析 | 第37-43页 |
| 3.3.2 K均值聚类分析 | 第43-52页 |
| 3.3.3 迭代自组织聚类分析 | 第52-55页 |
| 3.3.4 粒子群算法改进的聚类分析 | 第55-60页 |
| 3.3.5 实验数据的聚类分析与结果 | 第60-84页 |
| 3.4 本章小结 | 第84-86页 |
| 4 基于Hilbert-Huang的桥梁拉索腐蚀损伤声发射波形信号分析 | 第86-149页 |
| 4.1 引言 | 第86页 |
| 4.2 希尔伯特-黄变换(HHT) | 第86-95页 |
| 4.2.1 解析函数 | 第86-88页 |
| 4.2.2 瞬时频率 | 第88-90页 |
| 4.2.3 固有模态函数(IMF) | 第90页 |
| 4.2.4 经验模态分解(EMD) | 第90-93页 |
| 4.2.5 Hilbert变换 | 第93-95页 |
| 4.3 EMD存在的问题及改进措施 | 第95-98页 |
| 4.3.1 包络构造 | 第95页 |
| 4.3.2 端点效应 | 第95-96页 |
| 4.3.3 模态混淆 | 第96-98页 |
| 4.4 基于HHT的钢绞线腐蚀损伤信号分析 | 第98-148页 |
| 4.4.1 模拟信号的Hilbert-Huang变换 | 第98-105页 |
| 4.4.2 声发射信号的Hilbert-Huang变换 | 第105-114页 |
| 4.4.3 经典腐蚀损伤信号的特性分析 | 第114-148页 |
| 4.5 本章小结 | 第148-149页 |
| 5 基于自组织特征映像神经网络的声发射信号模式识别 | 第149-199页 |
| 5.1 引言 | 第149页 |
| 5.2 人工神经网络 | 第149-154页 |
| 5.2.1 人工神经元 | 第149-152页 |
| 5.2.2 神经网络结构 | 第152-153页 |
| 5.2.3 神经网络学习规则 | 第153-154页 |
| 5.3 自组织特征映像神经网络 | 第154-158页 |
| 5.3.1 自组织特征映像神经网络拓扑结构 | 第154-155页 |
| 5.3.2 SOFM竞争学习过程 | 第155-156页 |
| 5.3.3 SOFM训练过程 | 第156-157页 |
| 5.3.4 SOFM特征映像U-矩阵 | 第157-158页 |
| 5.4 基于SOFM的模拟损伤数据的可视化聚类 | 第158-197页 |
| 5.4.1 实验数据特征提取 | 第158-162页 |
| 5.4.2 模拟数据的SOFM数据挖掘分类过程 | 第162-172页 |
| 5.4.3 实验数据的特征映像结果及分析 | 第172-197页 |
| 5.5 本章小结 | 第197-199页 |
| 结论 | 第199-200页 |
| 参考文献 | 第200-204页 |
| 致谢 | 第204-205页 |
