| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 结构损伤识别研究背景及意义 | 第12-13页 |
| 1.2 基于振动响应分析的结构损伤识别研究现状 | 第13-21页 |
| 1.2.1 基于短时傅里叶变换的结构损伤识别方法 | 第14页 |
| 1.2.2 基于时间序列模型的结构损伤识别方法 | 第14-15页 |
| 1.2.3 基于相关函数的结构损伤识别方法 | 第15-16页 |
| 1.2.4 基于小波变换的结构损伤识别方法 | 第16-17页 |
| 1.2.5 基于Hilbert-Huang变换的结构损伤识别方法 | 第17-18页 |
| 1.2.6 基于BP神经网络的结构损伤识别方法 | 第18-19页 |
| 1.2.7 基于小波熵的结构损伤识别方法 | 第19-21页 |
| 1.3 本文的主要研究内容 | 第21-24页 |
| 第2章 基本原理 | 第24-44页 |
| 2.1 傅里叶变换 | 第24-25页 |
| 2.1.1 传统傅里叶变换 | 第24页 |
| 2.1.2 窗口傅里叶变换 | 第24-25页 |
| 2.2 小波变换 | 第25-29页 |
| 2.2.1 连续型小波变换 | 第25-27页 |
| 2.2.2 离散型小波变换 | 第27页 |
| 2.2.3 多分辨率分析 | 第27-29页 |
| 2.3 小波熵理论 | 第29-31页 |
| 2.3.1 信息熵概念 | 第29-30页 |
| 2.3.2 小波熵 | 第30-31页 |
| 2.4 人工神经网络 | 第31-42页 |
| 2.4.1 人工神经网络简介 | 第32-34页 |
| 2.4.2 网络模型 | 第34-35页 |
| 2.4.3 网络学习规则 | 第35-37页 |
| 2.4.4 BP神经网络 | 第37-42页 |
| 2.5 单值统计控制图 | 第42-43页 |
| 2.6 本章小结 | 第43-44页 |
| 第3章 基于小波熵和单值统计控制图的结构损伤预警研究 | 第44-58页 |
| 3.1 结构损伤预警方法 | 第44-46页 |
| 3.1.1 结构损伤预警指标的定义 | 第44页 |
| 3.1.2 结构损伤预警步骤 | 第44-46页 |
| 3.2 数值模拟 | 第46-53页 |
| 3.2.1 数值模型及损伤工况 | 第46-49页 |
| 3.2.2 噪声影响 | 第49-50页 |
| 3.2.3 结果分析 | 第50-53页 |
| 3.3 试验验证 | 第53-55页 |
| 3.3.1 试验模型及损伤工况 | 第53-54页 |
| 3.3.2 试验结果 | 第54-55页 |
| 3.4 本章小结 | 第55-58页 |
| 第4章 基于小波熵和BP神经网络的结构损伤定位研究 | 第58-92页 |
| 4.1 结构损伤定位方法 | 第58-61页 |
| 4.1.1 小波熵曲率差的定义 | 第58-59页 |
| 4.1.2 小波熵差值比的定义 | 第59页 |
| 4.1.3 结构损伤定位步骤 | 第59-61页 |
| 4.2 数值模拟 | 第61-88页 |
| 4.2.1 数值模型及损伤工况 | 第61页 |
| 4.2.2 噪声影响 | 第61-62页 |
| 4.2.3 结果分析 | 第62-88页 |
| 4.3 试验验证 | 第88-90页 |
| 4.3.1 试验模型及损伤工况 | 第88页 |
| 4.3.2 试验结果 | 第88-90页 |
| 4.4 本章小结 | 第90-92页 |
| 第5章 结论与展望 | 第92-94页 |
| 5.1 结论 | 第92-93页 |
| 5.2 展望 | 第93-94页 |
| 参考文献 | 第94-99页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第99-100页 |
| 致谢 | 第100页 |
