| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 运营实桥结构安全性监测的重要性 | 第11-13页 |
| 1.2 运营实桥损伤识别方法研究现状 | 第13-17页 |
| 1.2.1 基于时域随机动力响应的结构损伤识别方法 | 第14页 |
| 1.2.2 基于统计特征的损伤识别方法 | 第14-15页 |
| 1.2.3 基于支持向量机的结构损伤识别方法 | 第15-16页 |
| 1.2.4 其他损伤识别方法简介 | 第16-17页 |
| 1.3 本文的主要内容 | 第17-19页 |
| 第二章 基于支持向量机的结构损伤识别理论 | 第19-34页 |
| 2.1 利用支持向量机进行结构损伤识别的思路 | 第19页 |
| 2.2 支持向量机 | 第19-25页 |
| 2.2.1 小样本机器学习中主要问题 | 第19-20页 |
| 2.2.2 统计学习理论 | 第20-21页 |
| 2.2.3 支持向量机理论推导 | 第21-25页 |
| 2.3 特征工程 | 第25-34页 |
| 2.3.1 数据处理 | 第26-27页 |
| 2.3.2 特征选择 | 第27-29页 |
| 2.3.3 特征提取 | 第29-34页 |
| 第三章 模型试验分析 | 第34-60页 |
| 3.1 试验简介 | 第35-37页 |
| 3.2 统计特征指标的定义 | 第37-39页 |
| 3.3 损伤识别 | 第39-47页 |
| 3.3.1 不同损伤工况下均值、方差、峰度及偏度的表现 | 第41-43页 |
| 3.3.2 基于概率密度函数的损伤识别 | 第43-47页 |
| 3.4 基于支持向量机的结构损伤识别 | 第47-56页 |
| 3.4.1 损伤因子对比分析 | 第47-52页 |
| 3.4.2 采用支持向量机进行损伤识别 | 第52-55页 |
| 3.4.3 基于特征工程的损伤识别 | 第55-56页 |
| 3.5 噪声影响分析 | 第56-58页 |
| 3.6 本章小结 | 第58-60页 |
| 第四章 运营实桥随机振动加速度响应的统计分析及安全性预警方法 | 第60-94页 |
| 4.1 天圆大桥工程概况及结构振动监测系统 | 第60-64页 |
| 4.1.1 天圆大桥工程概况 | 第60-62页 |
| 4.1.2 结构振动监测系统 | 第62-64页 |
| 4.2 实桥加速度数据统计分析 | 第64-83页 |
| 4.2.1 加速度响应的分布检验 | 第64-77页 |
| 4.2.2 预警指标的选取及稳定性检测 | 第77-83页 |
| 4.3 基于一类支持向量机的结构安全性预警方法 | 第83-91页 |
| 4.3.1 单分类支持向量机预警原理 | 第83页 |
| 4.3.2 一类支持向量机算法 | 第83-85页 |
| 4.3.3 支持向量数据描述法 | 第85-87页 |
| 4.3.4 两种单分类支持向量机的异常值检测效果 | 第87-91页 |
| 4.4 基于多点融合的实桥预警系统 | 第91-93页 |
| 4.5 本章小结 | 第93-94页 |
| 第五章 结语 | 第94-96页 |
| 5.1 结论 | 第94页 |
| 5.2 展望 | 第94-96页 |
| 参考文献 | 第96-99页 |
| 致谢 | 第99页 |
