基于粒子群卡尔曼滤波去噪的梁式结构损伤识别
| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第12-24页 |
| 1.1 选题背景与研究意义 | 第12-13页 |
| 1.2 结构损伤识别国内外研究现状 | 第13-19页 |
| 1.2.1 基于动力特性的损伤识别方法 | 第15-17页 |
| 1.2.2 结构损伤动力检测相关智能算法 | 第17-19页 |
| 1.3 本文研究主要目的和内容 | 第19-24页 |
| 1.3.1 研究目的 | 第19-20页 |
| 1.3.2 研究内容 | 第20-24页 |
| 2 基于动力特性的损伤识别相关理论 | 第24-42页 |
| 2.1 随机子空间的基本理论 | 第25-35页 |
| 2.1.1 动力学时间状态空间模型 | 第26-31页 |
| 2.1.2 协方差驱动随机子空间 | 第31-35页 |
| 2.2 结构转角信息重构 | 第35-36页 |
| 2.3 单元损伤变量法 | 第36-38页 |
| 2.3.1 损伤变量的定义 | 第36-37页 |
| 2.3.2 损伤变量指标的构造 | 第37-38页 |
| 2.4 盲信噪比估计 | 第38-41页 |
| 2.4.1 自相关矩阵奇异值分解和信噪比估计 | 第38-41页 |
| 2.4.2 协方差矩阵特征值分解和信噪比估计 | 第41页 |
| 2.5 本章小结 | 第41-42页 |
| 3 信号噪声处理 | 第42-50页 |
| 3.1 小波变换去噪算法 | 第42-44页 |
| 3.1.1 小波去噪问题的描述 | 第43页 |
| 3.1.2 基于小波的阈值去噪问题研究 | 第43-44页 |
| 3.2 多源信息融合算法 | 第44-46页 |
| 3.2.1 D-S证据理论 | 第46页 |
| 3.2.2 组合规则 | 第46页 |
| 3.2.3 D-S理论的优缺点 | 第46页 |
| 3.3 去噪结果的评价准则 | 第46-47页 |
| 3.3.1 信噪比 | 第46-47页 |
| 3.3.2 均方误差 | 第47页 |
| 3.3.3 平滑度 | 第47页 |
| 3.4 实测信号应用去噪方法的困难 | 第47-48页 |
| 3.5 本章小结 | 第48-50页 |
| 4 粒子群算法及卡尔曼滤波算法 | 第50-58页 |
| 4.1 粒子群优化算法简介 | 第50页 |
| 4.2 基本粒子群算法 | 第50-53页 |
| 4.2.1 粒子群算法基本原理 | 第50-51页 |
| 4.2.2 粒子群算法的流程 | 第51-53页 |
| 4.3 卡尔曼滤波研究方法简介 | 第53页 |
| 4.4 卡尔曼滤波算法基本原理 | 第53-57页 |
| 4.4.1 线性和非线性卡尔曼滤波方法 | 第53-55页 |
| 4.4.2 卡尔曼滤波基本估计理论方法 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 5 粒子群优化卡尔曼滤波的算法改进和应用实现 | 第58-70页 |
| 5.1 卡尔曼滤波误差分析 | 第58-59页 |
| 5.2 粒子群卡尔曼滤波器的设计与实现 | 第59-63页 |
| 5.2.1 粒子群卡尔曼滤波去噪原理 | 第59-61页 |
| 5.2.2 粒子群卡尔曼算法实现 | 第61-63页 |
| 5.3 粒子群卡尔曼滤波去噪细节处理 | 第63-65页 |
| 5.3.1 仿真和实测的适应度函数选择 | 第63-64页 |
| 5.3.2 仿真和实际应用的滤波效果指标选择 | 第64-65页 |
| 5.4 实验仿真与结果分析 | 第65-68页 |
| 5.5 本章小结 | 第68-70页 |
| 6 基于粒子群卡尔曼滤波的试验简支梁损伤检测 | 第70-88页 |
| 6.1 钢筋混凝土简支梁试验 | 第70-78页 |
| 6.1.1 相关信息 | 第70-71页 |
| 6.1.2 试验结果及分析 | 第71-78页 |
| 6.2 简支钢梁试验 | 第78-86页 |
| 6.2.1 相关信息 | 第78-79页 |
| 6.2.2 试验结果及分析 | 第79-86页 |
| 6.3 本章小结 | 第86-88页 |
| 7 总结与前景展望 | 第88-90页 |
| 7.1 总结 | 第88-89页 |
| 7.2 本文创新点 | 第89页 |
| 7.3 前景展望 | 第89-90页 |
| 致谢 | 第90-92页 |
| 参考文献 | 第92-97页 |
