基于位移响应时程的结构参数与损伤识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-25页 |
| ·本研究的学术背景及意义 | 第10-14页 |
| ·本研究的文献综述 | 第14-23页 |
| ·神经网络在结构参数与损伤识别中的应用 | 第14-18页 |
| ·结构参数识别概述 | 第18-21页 |
| ·结构损伤识别存在的主要问题 | 第21-23页 |
| ·本文主要研究内容 | 第23-25页 |
| 第2章 人工神经网络 | 第25-42页 |
| ·人工神经网络简介 | 第25-31页 |
| ·人工神经元模型 | 第25-26页 |
| ·人工神经网络的结构 | 第26-28页 |
| ·神经网络的特点 | 第28-29页 |
| ·神经网络的学习方式 | 第29-31页 |
| ·BP网络 | 第31-41页 |
| ·BP神经元及BP网络模型 | 第31-32页 |
| ·BP网络的MATLAB仿真程序设计 | 第32-34页 |
| ·BP网络的学习算法比较 | 第34-37页 |
| ·BP网络泛化能力的提高 | 第37-40页 |
| ·BP网络的局限性 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第3章 基于位移时间序列的结构参数识别方法 | 第42-58页 |
| ·理论基础与识别步骤 | 第42-45页 |
| ·理论基础 | 第42-43页 |
| ·基于位移时程的识别方法实现步骤 | 第43-45页 |
| ·方法的数值模拟验证 | 第45-56页 |
| ·数值逐步积分法 | 第45-48页 |
| ·数值模型的建立及识别结果 | 第48-52页 |
| ·RMSPDV对刚度变化的敏感性研究 | 第52-53页 |
| ·噪声对识别结果的影响研究 | 第53-56页 |
| ·本章小结 | 第56-58页 |
| 第4章 框架模型结构的参数识别试验验证 | 第58-80页 |
| ·引言 | 第58页 |
| ·模型结构振动台试验 | 第58-62页 |
| ·模型简介 | 第58-60页 |
| ·Keyence LB-70（w）激光位移传感器 | 第60-62页 |
| ·振动信号处理 | 第62-66页 |
| ·振动信号处理概述及数字滤波 | 第62-64页 |
| ·MATLAB在振动信号处理中的应用 | 第64页 |
| ·实测振动信号处理 | 第64-66页 |
| ·神经网络模拟器的训练与检验 | 第66-70页 |
| ·神经网络模拟器的训练 | 第66-70页 |
| ·检验神经网络模拟器对新样本的泛化能力 | 第70页 |
| ·参数评估用神经网络的训练与检验 | 第70-76页 |
| ·参数评估用神经网络的训练 | 第70-73页 |
| ·参数评估用神经网络的检验 | 第73-76页 |
| ·目标结构的层间刚度识别 | 第76页 |
| ·损伤结构的损伤识别试验验证 | 第76-79页 |
| ·本章小结 | 第79-80页 |
| 结论与展望 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 致谢 | 第87-88页 |
| 附录A（攻读学位期间所发表的学术论文目录） | 第88页 |
