| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 本文的研究背景与目的 | 第10-11页 |
| 1.2 损伤识别的发展历程 | 第11-12页 |
| 1.3 智能算法在桥梁损伤识别中的应用现状 | 第12-19页 |
| 1.3.1 基于支持向量机的损伤识别研究现状 | 第13-16页 |
| 1.3.2 基于遗传算法的损伤识别研究现状 | 第16-19页 |
| 1.4 本文的课题来源 | 第19页 |
| 1.5 本文的研究内容 | 第19-21页 |
| 第二章 基于微种群遗传算法的斜拉桥主梁损伤识别 | 第21-36页 |
| 2.1 遗传算法介绍 | 第21-26页 |
| 2.1.1 遗传算法的基本定理 | 第22页 |
| 2.1.2 标准遗传算法的实现过程 | 第22-26页 |
| 2.2 微种群遗传算法简介 | 第26-27页 |
| 2.3 基于微种群遗传算法的斜拉桥主梁损伤识别 | 第27-35页 |
| 2.3.1 利用微种群遗传算法损伤识别的过程 | 第27-30页 |
| 2.3.2 实验室斜拉桥模型介绍及其杆系模型的建立 | 第30-31页 |
| 2.3.3 损伤识别结果的讨论 | 第31-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于分层遗传算法的斜拉桥主梁损伤识别 | 第36-59页 |
| 3.1 改进的微种群遗传算法——分层遗传算法 | 第36-42页 |
| 3.1.1 适应度函数的改进 | 第36-38页 |
| 3.1.2 模拟退火操作 | 第38-39页 |
| 3.1.3 利用变量微调策略生成灾变种群 | 第39-40页 |
| 3.1.4 分层策略 | 第40-42页 |
| 3.2 分层遗传算法损伤识别结果的讨论 | 第42-57页 |
| 3.2.1 分层遗传算法参数的选择 | 第42页 |
| 3.2.2 损伤工况的设置与识别结果的讨论 | 第42-48页 |
| 3.2.3 分层遗传算法抗噪性分析 | 第48-52页 |
| 3.2.4 分层遗传算法搜索性能的讨论 | 第52-57页 |
| 3.3 本章小结 | 第57-59页 |
| 第四章 基于联合优化算法的斜拉桥全结构损伤识别 | 第59-78页 |
| 4.1 支持向量机 | 第59-63页 |
| 4.1.1 支持向量机的分类原理 | 第59-62页 |
| 4.1.2 多分类的支持向量机算法 | 第62-63页 |
| 4.2 子结构识别方法 | 第63-64页 |
| 4.3 基于联合优化算法的斜拉桥全结构分步识别流程 | 第64-66页 |
| 4.4 斜拉桥全结构损伤识别的数值仿真 | 第66-77页 |
| 4.4.1 斜拉桥板壳模型的建立 | 第66-67页 |
| 4.4.2 支持向量机分类样本的构建和分类识别结果 | 第67-68页 |
| 4.4.3 主梁损伤识别结果 | 第68-71页 |
| 4.4.4 索塔损伤识别结果 | 第71-75页 |
| 4.4.5 斜拉索损伤识别结果 | 第75-77页 |
| 4.5 本章小结 | 第77-78页 |
| 第五章 结论与展望 | 第78-80页 |
| 5.1 结论 | 第78-79页 |
| 5.2 展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-85页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第85页 |
