中文摘要 | 第1-7页 |
ABSTRACT | 第7-13页 |
第1章 绪论 | 第13-31页 |
·课题的背景及研究意义 | 第13-15页 |
·结构损伤识别研究现状 | 第15-22页 |
·基于动力指纹直接比较的损伤识别方法 | 第15-17页 |
·基于模型修正的损伤识别方法 | 第17页 |
·基于计算智能技术的损伤识别方法 | 第17-21页 |
·基于统计方法的损伤识别方法 | 第21-22页 |
·结构信号处理的研究现状 | 第22-25页 |
·时域方法 | 第23页 |
·频域方法 | 第23-24页 |
·其他方法 | 第24-25页 |
·主分量和独立分量分析在信号处理和损伤识别中的研究现状 | 第25-28页 |
·主分量分析 | 第26-27页 |
·独立分量分析 | 第27-28页 |
·本文的主要工作 | 第28-31页 |
第2章 主分量分析的基本原理 | 第31-49页 |
·基本概念 | 第31-33页 |
·相关和不相关 | 第31-33页 |
·白化 | 第33页 |
·PCA基本原理 | 第33-39页 |
·PCA数学模型 | 第33-34页 |
·主分量的计算 | 第34-39页 |
·基于PCA的信号预处理 | 第39-47页 |
·PCA降维 | 第40-41页 |
·PCA降维的作用 | 第41-42页 |
·算例分析 | 第42-47页 |
·本章小结 | 第47-49页 |
第3章 独立分量分析的基本原理 | 第49-67页 |
·基本概念 | 第49-50页 |
·统计独立性 | 第49-50页 |
·中心极限定理 | 第50页 |
·独立分量分析的定义 | 第50-52页 |
·ICA的数学模型 | 第50-51页 |
·ICA的约束条件和不确定性 | 第51-52页 |
·独立分量分析的预处理 | 第52-54页 |
·中心化 | 第53页 |
·白化 | 第53-54页 |
·PCA | 第54页 |
·ICA方法 | 第54-65页 |
·ICA的目标函数 | 第55-60页 |
·ICA的优化算法 | 第60-65页 |
·本章小结 | 第65-67页 |
第4章 基于独立分量分析的结构信号降噪处理 | 第67-95页 |
·噪声的产生 | 第67-76页 |
·噪声的来源 | 第68-71页 |
·噪声在频域内的表现形式 | 第71-76页 |
·抗噪声干扰技术 | 第76-79页 |
·硬件方法 | 第76-78页 |
·计算处理方法 | 第78-79页 |
·ICA降噪处理 | 第79-82页 |
·有噪声的ICA模型 | 第79-80页 |
·基于ICA的降噪方法 | 第80-81页 |
·降噪后信号重构 | 第81-82页 |
·实验及分析 | 第82-94页 |
·实验概述 | 第82页 |
·同测点扩展通道降噪 | 第82-87页 |
·多通道信号增加噪声通道降噪 | 第87-94页 |
·本章小结 | 第94-95页 |
第5章 结构损伤特征提取 | 第95-119页 |
·结构损伤识别与特征提取 | 第95-97页 |
·结构损伤识别与模式识别 | 第95-96页 |
·基于结构振动信号的特征提取 | 第96-97页 |
·基于PCA的结构损伤特征提取 | 第97-104页 |
·结构状态的PCA特征 | 第97-102页 |
·PCA特征指标 | 第102-103页 |
·PCA损伤特征提取思路 | 第103-104页 |
·基于ICA的结构损伤特征提取 | 第104-109页 |
·ICA相关特征 | 第104-106页 |
·ICA特征指标 | 第106-108页 |
·ICA损伤特征提取思路 | 第108-109页 |
·实验分析 | 第109-117页 |
·实验概述 | 第109-110页 |
·基于PCA的结构损伤特征提取 | 第110-113页 |
·基于ICA的结构损伤特征提取 | 第113-117页 |
·本章小结 | 第117-119页 |
第6章 总结与展望 | 第119-122页 |
·全文总结 | 第119-120页 |
·展望 | 第120-122页 |
参考文献 | 第122-131页 |
致谢 | 第131-132页 |
攻读博士学位期间参加的科研项目和发表的学术论文 | 第132页 |