| 第1章 绪论 | 第1-20页 |
| ·桥梁结构健康监测和损伤识别研究的意义 | 第10-11页 |
| ·国内外损伤识别研究现状及发展动态 | 第11-19页 |
| ·国外研究状况 | 第12-14页 |
| ·国内研究状况 | 第14-16页 |
| ·结构损伤识别相关技术的发展 | 第16-18页 |
| ·结构损伤识别存在的问题 | 第18-19页 |
| ·本文的主要研究内容 | 第19-20页 |
| 第2章 基于振动模态分析理论的损伤识别 | 第20-35页 |
| ·基本原理及识别过程 | 第20-21页 |
| ·基于模态频率的损伤识别 | 第21-22页 |
| ·基于模态振型差的损伤识别 | 第22-23页 |
| ·基于曲率模态和应变模态的损伤识别 | 第23-24页 |
| ·基于柔度差的损伤识别 | 第24-25页 |
| ·基于柔度曲率的损伤识别 | 第25-26页 |
| ·基于振动模态分析理论的损伤识别的数值分析 | 第26-35页 |
| ·悬臂梁的单损伤识别 | 第26-31页 |
| ·悬臂梁的多损伤识别 | 第31-35页 |
| 第3章 基于BP神经网络的损伤识别 | 第35-60页 |
| ·人工神经网络的基本理论 | 第35-37页 |
| ·人工神经元模型 | 第35-36页 |
| ·人工神经网络的类型和功能 | 第36页 |
| ·神经网络的学习训练法则 | 第36-37页 |
| ·BP神经网络及BP算法 | 第37-43页 |
| ·BP神经网络模型 | 第37-38页 |
| ·BP学习训练法则 | 第38页 |
| ·经典BP算法 | 第38-41页 |
| ·BP经典算法的改进—LM算法 | 第41-43页 |
| ·基于BP神经网络的损伤识别 | 第43-46页 |
| ·基本原理及识别过程 | 第43-44页 |
| ·网络输入参数的选取 | 第44-45页 |
| ·样本数据的前后处理 | 第45-46页 |
| ·BP神经网络在MATLAB中的实现 | 第46-49页 |
| ·MATLAB7.0软件介绍 | 第46页 |
| ·神经网络工具箱函数 | 第46-49页 |
| ·基于BP神经网络的损伤识别的数值分析 | 第49-60页 |
| ·分析模型的建立 | 第50-51页 |
| ·矩形梁的损伤辨识 | 第51-52页 |
| ·矩形梁的损伤定位 | 第52-56页 |
| ·矩形梁的损伤程度标定 | 第56-60页 |
| 第4章 基于振动模态分析理论和BP神经网络的桥梁损伤识别应用 | 第60-92页 |
| ·有限元建模 | 第60-68页 |
| ·工程概况 | 第60-62页 |
| ·有限元模型 | 第62-65页 |
| ·模态分类与动力特性分析 | 第65-68页 |
| ·桥梁损伤识别应用的几点说明 | 第68-70页 |
| ·BP神经网络样本采集 | 第70-71页 |
| ·单损伤识别样本采集 | 第70-71页 |
| ·双损伤识别样本采集 | 第71页 |
| ·三损伤识别样本采集 | 第71页 |
| ·BP神经网络训练 | 第71-79页 |
| ·单损伤识别网络结构 | 第71-75页 |
| ·双损伤与三损伤识别网络结构 | 第75页 |
| ·训练过程描述 | 第75-79页 |
| ·损伤位置识别 | 第79-88页 |
| ·损伤位置识别判断标准 | 第79-80页 |
| ·损伤位置识别效果 | 第80-88页 |
| ·损伤程度识别 | 第88-92页 |
| ·损伤程度识别判断标准 | 第88-89页 |
| ·损伤程度识别效果 | 第89-92页 |
| 第5章 结论与展望 | 第92-97页 |
| ·本文主要结论 | 第92-95页 |
| ·研究工作展望 | 第95-97页 |
| 致谢 | 第97-98页 |
| 参考文献 | 第98-105页 |
| 攻读硕士学位期间所发表的论文 | 第105页 |