| 摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 目录 | 第4-6页 |
| 第一章 引言 | 第6-12页 |
| 1．1 课题的研究背景和意义 | 第6-7页 |
| 1．2 统计模式识别 | 第7-9页 |
| 1．3 时间序列模型 | 第9-10页 |
| 1．4 本文的主要工作 | 第10-12页 |
| 第二章 时间序列模型与统计模式 | 第12-29页 |
| 2．1 时间序列模型 | 第12-21页 |
| 2．1．1 时间序列与系统模型 | 第12-13页 |
| 2．1．2 最常用的时间序列模型-ARMA 模型 | 第13-16页 |
| 2．1．3 其它时间序列模型 | 第16-17页 |
| 2．1．4 ARMA 模型与结构振动系统 | 第17-19页 |
| 2．1．5 ARMA 模型的连续形式—AM 模型 | 第19-21页 |
| 2．2 主成分分析 | 第21-26页 |
| 2．2．1 主成分分析的数学模型 | 第21-23页 |
| 2．2．2 主成分分析的几何意义 | 第23-24页 |
| 2．2．3 主成分的推导 | 第24-26页 |
| 2．2．4 主成分分析与系统评估 | 第26页 |
| 2．3 统计模式的判别 | 第26-28页 |
| 2．3．1 统计模式判别的依据 | 第26-27页 |
| 2．3．2 数据的正态分布 | 第27-28页 |
| 2．4 本章小结 | 第28-29页 |
| 第三章 ARMA 时间序列模型的建立 | 第29-42页 |
| 3．1 ARMA 时间序列模型的定阶 | 第29-32页 |
| 3．1．1 传统的定阶方法 | 第29-30页 |
| 3．1．2 基于最小特征值的定阶方法 | 第30-32页 |
| 3．2 ARMA 模型的参数估计 | 第32-36页 |
| 3．2．1 先后估计法进行模型参数的初估计 | 第32-34页 |
| 3．2．2 Newton 法进行模型参数的精确估计 | 第34-36页 |
| 3．3 ARMA 模型参数与系统模态参数的关系 | 第36-37页 |
| 3．4 数值实验验证 | 第37-41页 |
| 3．5 本章小结 | 第41-42页 |
| 第四章 基于统计模式识别的结构异常检验 | 第42-55页 |
| 4．1 统计模式识别原理 | 第42-43页 |
| 4．2 统计模式差异指标的构造 | 第43-48页 |
| 4．2．1 距离判别检验 | 第43-44页 |
| 4．2．2 Z 指标检验——单次假设检验 | 第44-46页 |
| 4．2．3 均值控制图-图形化的多次假设检验 | 第46-48页 |
| 4．3 数值实验验证 | 第48-54页 |
| 4．4 本章小结 | 第54-55页 |
| 第五章 实验验证 | 第55-62页 |
| 5．1 简支梁模型设计 | 第55-56页 |
| 5．2 测点布置 | 第56页 |
| 5．3 测试系统 | 第56-57页 |
| 5．4 实验过程 | 第57页 |
| 5．5 实验结果及分析 | 第57-61页 |
| 5．6 本章小结 | 第61-62页 |
| 第六章 结论与展望 | 第62-64页 |
| 6．1 本文所做的工作 | 第62-63页 |
| 6．2 今后进一步的工作和展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 个人简历 | 第68页 |