| 摘要 | 第1-8页 |
| ABSTRACT | 第8-15页 |
| 第1章 引言 | 第15-29页 |
| ·概述 | 第15-19页 |
| ·土木工程结构健康监测 | 第15-17页 |
| ·健康监测系统 | 第17-18页 |
| ·建筑结构健康监测系统的应用现状 | 第18-19页 |
| ·结构损伤检测的基本方法 | 第19-24页 |
| ·动力指纹法或模式识别法 | 第20-22页 |
| ·系统识别法 | 第22-23页 |
| ·神经网络法 | 第23-24页 |
| ·遗传算法识别方法 | 第24页 |
| ·结构损伤识别技术存在的问题 | 第24-25页 |
| ·结构损伤识别的支持向量机方法 | 第25-27页 |
| ·本文研究的内容 | 第27-29页 |
| 第2章 支持向量机(SVM)理论概述 | 第29-51页 |
| ·概述 | 第29-30页 |
| ·统计学习理论 | 第30-35页 |
| ·机器学习理论 | 第30-31页 |
| ·统计学习理论的核心内容 | 第31-35页 |
| ·VC维 | 第31-34页 |
| ·推广性的界 | 第34页 |
| ·结构风险最小化 | 第34-35页 |
| ·支持向量机分类及其学习算法 | 第35-43页 |
| ·最优分类超平面 | 第36-39页 |
| ·软间隔分类超平面 | 第39-40页 |
| ·核函数 | 第40-43页 |
| ·支持向量机回归方法 | 第43-47页 |
| ·线性回归 | 第43-46页 |
| ·非线性回归 | 第46-47页 |
| ·支持向量机的学习算法 | 第47-49页 |
| ·Chunking算法 | 第48页 |
| ·分解算法 | 第48-49页 |
| ·SMO算法 | 第49页 |
| ·支持向量机学习算法的步骤 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第3章 支持向量机结构损伤模式识别 | 第51-83页 |
| ·概述 | 第51页 |
| ·最小二乘支持向量机回归 | 第51-53页 |
| ·小波核函数 | 第53-56页 |
| ·常用核函数 | 第53页 |
| ·支持向量机核函数条件 | 第53-54页 |
| ·小波理论 | 第54-55页 |
| ·小波核函数 | 第55-56页 |
| ·建立支持向量机的特性矢量 | 第56-61页 |
| ·固有频率对损伤的灵敏度 | 第56-58页 |
| ·构建特征向量 | 第58-61页 |
| ·数值模拟 | 第61-81页 |
| ·特征向量维数 | 第62-65页 |
| ·单损伤识别 | 第65-69页 |
| ·多损伤识别 | 第69-75页 |
| ·双损伤识别 | 第69-72页 |
| ·三损伤识别 | 第72-75页 |
| ·抗噪声能力及适用性 | 第75-81页 |
| ·抗噪声能力 | 第75-77页 |
| ·适用性 | 第77-81页 |
| ·本章小结 | 第81-83页 |
| 第4章 支持向量机回归在线结构损伤识别 | 第83-114页 |
| ·概述 | 第83-84页 |
| ·增量式加权特征向量LS-SVM | 第84-92页 |
| ·LS-SVM方法 | 第84页 |
| ·增量式加权特征向量LS-SVM(WVLS-SVM) | 第84-85页 |
| ·剪切型结构参数识别 | 第85-86页 |
| ·数值模拟 | 第86-92页 |
| ·单自由度结构 | 第86-89页 |
| ·多自由度结构 | 第89-92页 |
| ·等样本集加权LS-SVM方法 | 第92-103页 |
| ·局部增加和局部修剪算法 | 第92-94页 |
| ·自适应误差加权LS-SVM回归方法 | 第94-96页 |
| ·自适应特征向量指数加权LS-SVM回归方法 | 第96-98页 |
| ·数值模拟 | 第98-103页 |
| ·抗噪声能力 | 第103-109页 |
| ·多自由度多损伤识别 | 第109-112页 |
| ·本章小结 | 第112-114页 |
| 第5章 振动台试验结构损伤识别 | 第114-132页 |
| ·概述 | 第114页 |
| ·试验介绍 | 第114-122页 |
| ·试验概况 | 第114页 |
| ·试验设计 | 第114-120页 |
| ·试验装置 | 第114-115页 |
| ·模型的相似设计 | 第115页 |
| ·模型的设计与制作 | 第115-117页 |
| ·材料性能指标 | 第117-119页 |
| ·测点布置 | 第119页 |
| ·加速度输入波 | 第119-120页 |
| ·试验加载制度 | 第120页 |
| ·试验现象 | 第120-122页 |
| ·试验数据分析与处理 | 第122-125页 |
| ·建立支持向量机 | 第125-126页 |
| ·结构参数识别 | 第126-131页 |
| ·损伤识别结果 | 第126-127页 |
| ·损伤情况与试验现象比较 | 第127-131页 |
| ·本章小结 | 第131-132页 |
| 第6章 总结 | 第132-134页 |
| ·论文总结 | 第132-133页 |
| ·进一步研究的方向和设想 | 第133-134页 |
| 致谢 | 第134-135页 |
| 参考文献 | 第135-144页 |
| 附录A 小波核函数 | 第144-146页 |
| 附录B 最优化理论 | 第146-149页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第149页 |