| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第16-34页 |
| 1.1 研究背景 | 第16-17页 |
| 1.2 环境激励下模态参数自动识别的研究现状 | 第17-31页 |
| 1.2.1 基于智能算法的稳定图自动分析方法 | 第18-25页 |
| 1.2.2 基于指标阈值的真假模态自动区分方法 | 第25-28页 |
| 1.2.3 基于改进识别算法获得清晰稳定图的自动分析方法 | 第28-30页 |
| 1.2.4 模态参数自动识别研究现状小结 | 第30-31页 |
| 1.3 论文的主要研究内容 | 第31-32页 |
| 1.4 论文的创新点 | 第32-33页 |
| 1.5 论文的研究框架 | 第33-34页 |
| 第二章 环境激励下结构模态参数的主要识别方法 | 第34-52页 |
| 2.1 引言 | 第34-35页 |
| 2.2 协方差驱动随机子空间法的基本理论 | 第35-38页 |
| 2.3 数据驱动随机子空间法基本理论 | 第38-40页 |
| 2.4 多参考点最小二乘复频域法基本理论 | 第40-45页 |
| 2.5 增强频域分解法基本理论 | 第45-46页 |
| 2.6 ASCE四层框架模型验证常见模态参数识别方法 | 第46-50页 |
| 2.6.1 ASCE Benchmark模型 | 第46-47页 |
| 2.6.2 协方差驱动随机子空间法识别ASCE框架 | 第47-48页 |
| 2.6.3 数据驱动随机子空间法识别ASCE框架 | 第48-49页 |
| 2.6.4 PolyMAX识别ASCE框架 | 第49页 |
| 2.6.5 增强频域分解法识别ASCE框架 | 第49-50页 |
| 2.7 本章小结 | 第50-52页 |
| 第三章 基于循环遗传聚类的模态参数自动识别方法 | 第52-67页 |
| 3.1 引言 | 第52页 |
| 3.2 稳定图 | 第52-54页 |
| 3.2.1 传统稳定图 | 第52-53页 |
| 3.2.2 MAC-频率稳定图 | 第53-54页 |
| 3.3 循环遗传模糊聚类分析技术 | 第54-59页 |
| 3.3.1 遗传算法搜索初始聚类中心 | 第55-56页 |
| 3.3.2 FCM聚类算法搜索更精确的聚类中心 | 第56-58页 |
| 3.3.3 剔除模糊极点和包含极点数目少的聚类 | 第58-59页 |
| 3.3.4 循环遗传聚类 | 第59页 |
| 3.3.5 区分相邻模态 | 第59页 |
| 3.4 数值算例 | 第59-63页 |
| 3.4.1 7自由度弹簧质量模型描述 | 第59-60页 |
| 3.4.2 稳定图计算 | 第60-61页 |
| 3.4.3 IG-FC算法自动分析稳定图 | 第61-63页 |
| 3.4.4 初始聚类数目对IG-FC算法的影响研究 | 第63页 |
| 3.5 ASCE四层框架模型验证 | 第63-66页 |
| 3.6 本章小结 | 第66-67页 |
| 第四章 基于卷积神经网络的模态参数自动识别方法 | 第67-81页 |
| 4.1 引言 | 第67页 |
| 4.2 卷积神经网络 | 第67-69页 |
| 4.2.1 CNN的背景与概念 | 第67-68页 |
| 4.2.2 CNN的基本结构与工作原理 | 第68-69页 |
| 4.3 基于卷积神经网络的稳定图自动分析 | 第69-74页 |
| 4.3.1 将稳定图分析转化为CNN图像分类问题 | 第69-70页 |
| 4.3.2 对CNN输入样本进行预处理 | 第70-71页 |
| 4.3.3 构建CNN模型 | 第71-72页 |
| 4.3.4 使用CNN模型预测真假模态 | 第72-73页 |
| 4.3.5 算法流程图 | 第73-74页 |
| 4.4 卷积神经网络模型训练 | 第74-75页 |
| 4.5 数值算例 | 第75-78页 |
| 4.5.1 3自由度弹簧质量模型 | 第75-77页 |
| 4.5.2 7自由度弹簧质量模型 | 第77-78页 |
| 4.6 ASCE四层框架模型验证 | 第78-80页 |
| 4.7 本章小结 | 第80-81页 |
| 第五章 基于不确定性和卷积神经网络的模态参数自动识别方法 | 第81-107页 |
| 5.1 引言 | 第81-84页 |
| 5.2 基于敏感性分析的模态参数不确定性计算理论 | 第84-92页 |
| 5.2.1 总体思路和符号约定 | 第84-85页 |
| 5.2.2 计算Toeplitz矩阵的协方差 | 第85-86页 |
| 5.2.3 模态参数方差计算的一般方法 | 第86-89页 |
| 5.2.4 模态参数方差计算的快速方法 | 第89-92页 |
| 5.3 基于不确定图的模态参数识别 | 第92-95页 |
| 5.3.1 不确定图 | 第93-95页 |
| 5.3.2 不确定图分析 | 第95页 |
| 5.4 基于卷积神经网络和不确定图的模态参数自动识别 | 第95-98页 |
| 5.5 6自由度弹簧质量模型数值算例 | 第98-103页 |
| 5.5.1 算例模型描述 | 第98-99页 |
| 5.5.2 模态参数不确定性计算 | 第99-101页 |
| 5.5.3 基于不确定性的模态参数识别 | 第101-103页 |
| 5.6 ASCE四层框架模型验证 | 第103-105页 |
| 5.7 本章小结 | 第105-107页 |
| 第六章 环境激励下结构模态参数自动识别的工程应用 | 第107-170页 |
| 6.1 引言 | 第107页 |
| 6.2 加拿大HCT大楼模态参数自动识别 | 第107-118页 |
| 6.2.1 Heritage Court Tower简介 | 第107页 |
| 6.2.2 HCT大楼测试系统及数据说明 | 第107-111页 |
| 6.2.4 HCT大楼循环遗传聚类自动识别 | 第111-112页 |
| 6.2.5 HCT大楼卷积神经网络自动识别 | 第112-114页 |
| 6.2.6 HCT大楼基于不确定图的模态参数自动识别 | 第114-116页 |
| 6.2.7 HCT大楼振型图绘制 | 第116-118页 |
| 6.3 瑞士Z24大桥模态参数自动识别 | 第118-131页 |
| 6.3.1 Z24大桥Benchmark简介 | 第118-119页 |
| 6.3.2 Z24大桥测试数据说明 | 第119-124页 |
| 6.3.3 Z24大桥循环遗传聚类自动识别 | 第124-127页 |
| 6.3.4 Z24大桥卷积神经网络自动识别 | 第127-128页 |
| 6.3.5 Z24大桥基于不确定图的模态参数自动识别 | 第128-130页 |
| 6.3.6 Z24桥振型图绘制 | 第130-131页 |
| 6.4 香港TKB大桥模态参数自动识别 | 第131-143页 |
| 6.4.1 TKB大桥Benchmark简介 | 第131-132页 |
| 6.4.2 TKB大桥监测系统及测试数据说明 | 第132-134页 |
| 6.4.3 TKB大桥循环遗传聚类自动识别 | 第134-137页 |
| 6.4.4 TKB大桥卷积神经网络自动识别 | 第137-139页 |
| 6.4.5 TKB大桥基于不确定图的模态参数自动识别 | 第139-141页 |
| 6.4.6 TKB大桥振型识别图绘制 | 第141-143页 |
| 6.5 广州GNTVT电视塔模态参数自动识别 | 第143-155页 |
| 6.5.1 GNTVT电视塔Benchmark简介 | 第143-144页 |
| 6.5.2 GNTVT电视塔健康监测系统和测试数据说明 | 第144-146页 |
| 6.5.3 GNTVT电视塔循环遗传聚类自动识别 | 第146-149页 |
| 6.5.4 GNTVT电视塔卷积神经网络自动识别 | 第149-151页 |
| 6.5.5 GNTVT电视塔基于不确定图的模态参数自动识别 | 第151-153页 |
| 6.5.6 GNTVT电视塔振型图绘制 | 第153-155页 |
| 6.6 奥地利S101大桥模态参数自动识别 | 第155-166页 |
| 6.6.1 S101大桥健康监测项目工程背景 | 第155-158页 |
| 6.6.2 S101大桥测试数据说明 | 第158-159页 |
| 6.6.3 S101大桥循环遗传聚类自动识别 | 第159-162页 |
| 6.6.4 S101大桥卷积神经网络自动识别 | 第162-163页 |
| 6.6.5 S101大桥基于不确定图的模态参数自动识别 | 第163-165页 |
| 6.6.6 S101大桥振型图绘制 | 第165-166页 |
| 6.7 环境激励下模态参数自动识别常见问题的讨论 | 第166-168页 |
| 6.7.1 相邻模态区分效果比较分析 | 第166-167页 |
| 6.7.2 自动识别方法计算效率比较分析 | 第167-168页 |
| 6.7.3 环境激励下加速度数据量级对识别结果的影响讨论 | 第168页 |
| 6.8 本章小结 | 第168-170页 |
| 第七章 结论与展望 | 第170-173页 |
| 7.1 本文主要结论 | 第170-171页 |
| 7.2 后续工作的建议 | 第171-173页 |
| 参考文献 | 第173-186页 |
| 附录: 部分Matlab程序 | 第186-212页 |
| 附录1 协方差驱动随机子空间法Matlab程序 | 第186-189页 |
| 附录2 稳定图绘制Matlab程序 | 第189-190页 |
| 附录3 遗传算法聚类中心初始化Matlab程序 | 第190-202页 |
| 附录4 FCM聚类中心搜索Matlab程序 | 第202-204页 |
| 附录5 多参考点协方差驱动随机子空间法不确定性计算Matlab程序 | 第204-212页 |
| 作者简历 | 第212-213页 |
