| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景 | 第8-9页 |
| ·结构损伤检测技术研究进展 | 第9-10页 |
| ·目前存在的问题和不足 | 第10-12页 |
| ·本文研究内容 | 第12-13页 |
| 2 基于振动模态理论的结构损伤识别方法概论 | 第13-26页 |
| ·基本理论 | 第13-15页 |
| ·模态分析 | 第13-14页 |
| ·结构损伤识别原理 | 第14-15页 |
| ·结构损伤识别的步骤 | 第15-16页 |
| ·基于振动模态理论的结构损伤识别方法 | 第16-26页 |
| ·模型修正方法 | 第17-18页 |
| ·指纹识别分析方法 | 第18-26页 |
| 3 用于结构损伤识别的人工神经网络理论 | 第26-44页 |
| ·人工神经网络概述 | 第26-27页 |
| ·人工神经网络简介 | 第26页 |
| ·人工神经网络的特点 | 第26-27页 |
| ·神经网络的基本原理 | 第27-31页 |
| ·神经元模型 | 第27-29页 |
| ·网络拓扑结构 | 第29-30页 |
| ·神经网络的学习 | 第30-31页 |
| ·BP网络 | 第31-37页 |
| ·BP网络模型 | 第31-32页 |
| ·标准 BP算法 | 第32-34页 |
| ·标准 BP网络模型存在的缺点及其改进方法 | 第34-37页 |
| ·RBF网络 | 第37-40页 |
| ·RBF网络模型 | 第37-39页 |
| ·BP网络与 RBF网络比较 | 第39-40页 |
| ·神经网络在结构损伤诊断中的应用 | 第40-43页 |
| ·基于 BP网络 | 第40-42页 |
| ·基于 RBF网络 | 第42页 |
| ·基于其他的网络模型 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 4 基于柔度矩阵的结构损伤识别方法研究 | 第44-54页 |
| ·用 ANSYS进行模态分析 | 第44-45页 |
| ·基于柔度矩阵的损伤识别指标 | 第45-47页 |
| ·柔度曲率损伤识别指标 | 第46页 |
| ·柔度对角曲率损伤识别指标 | 第46-47页 |
| ·应用损伤指标对悬臂梁的损伤进行识别 | 第47-53页 |
| ·建立有限元模型 | 第47页 |
| ·结构损伤的数值模拟 | 第47-48页 |
| ·损伤识别结果 | 第48-53页 |
| ·本章小结 | 第53-54页 |
| 5 基于柔度损伤识别指标的神经网络损伤识别 | 第54-81页 |
| ·应用于损伤识别的神经网络设计 | 第54-57页 |
| ·MATLAB神经网络工具箱简介 | 第54-55页 |
| ·神经网络方法识别损伤的基本步骤 | 第55页 |
| ·创建 BP网络的函数 | 第55-56页 |
| ·创建 RBF网络的函数 | 第56页 |
| ·网络训练函数 | 第56-57页 |
| ·网络仿真函数 | 第57页 |
| ·神经网络样本的采集 | 第57-60页 |
| ·构造神经网络的学习样本和测试样本 | 第57-59页 |
| ·样本数据预处理 | 第59-60页 |
| ·损伤识别效果的评价准则 | 第60-61页 |
| ·神经网络的训练和仿真 | 第61-79页 |
| ·基于柔度曲率的神经网络损伤识别 | 第63-71页 |
| ·自适应调整学习率的动量算法 BP神经网络识别结果 | 第63-65页 |
| ·共轭梯度算法 BP神经网络识别结果 | 第65-69页 |
| ·RBF神经网络识别结果 | 第69-71页 |
| ·基于柔度对角曲率的神经网络结构损伤识别 | 第71-79页 |
| ·自适应调整学习率的动量算法 BP神经网络识别结果 | 第71-73页 |
| ·共轭梯度算法 BP神经网络识别结果 | 第73-77页 |
| ·RBF神经网络识别结果 | 第77-79页 |
| ·损伤识别效果比较分析 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 6 结论与展望 | 第81-82页 |
| 参考文献 | 第82-89页 |
| 攻读硕士期间发表的论文 | 第89-90页 |
| 致谢 | 第90-91页 |