基于神经网络的拱桥结构损伤识别
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-27页 |
| ·桥梁结构健康监测和损伤识别研究的意义 | 第11-12页 |
| ·国内外损伤识别技术概况 | 第12-25页 |
| ·局部损伤识别 | 第13页 |
| ·全局损伤识别 | 第13-25页 |
| ·本文的主要研究内容 | 第25-27页 |
| 第2章 基于神经网络理论的损伤识别 | 第27-34页 |
| ·概述 | 第27页 |
| ·人工神经网络的基本理论 | 第27-29页 |
| ·人工神经网络的特点 | 第29-31页 |
| ·人工神经网络应用于结构损伤识别的基本原理 | 第31-34页 |
| 第3章 RBF神经网络设计 | 第34-46页 |
| ·RBF神经网络的基本原理 | 第34-40页 |
| ·神经网络的兴起 | 第34页 |
| ·RBF基函数 | 第34-35页 |
| ·RBF神经网络结构 | 第35-36页 |
| ·RBF神经网络的映射关系 | 第36-37页 |
| ·RBF神经网络的训练方法 | 第37-39页 |
| ·RBF神经网络的训练算法 | 第39-40页 |
| ·RBF神经网络与 BP神经网络的比较 | 第40-41页 |
| ·RBF神经网络的损伤识别设计 | 第41-46页 |
| ·RBF神经网络用于桥梁损伤识别的基本步骤 | 第42页 |
| ·网络输入参数的选取 | 第42-43页 |
| ·MATLAB神经网络工具箱 | 第43-44页 |
| ·RBF神经网络设计函数 | 第44-46页 |
| 第4章 基于 RBF神经网络的拱桥损伤识别应用 | 第46-76页 |
| ·有限元建模 | 第46-49页 |
| ·工程概况 | 第46页 |
| ·有限元模型 | 第46-47页 |
| ·模态分类与动力特性分析 | 第47-49页 |
| ·损伤识别研究的几点说明 | 第49-50页 |
| ·RBF神经网络样本采集 | 第50-52页 |
| ·单损伤识别样本采集 | 第51页 |
| ·双损伤识别样本采集 | 第51页 |
| ·三损伤识别样本采集 | 第51-52页 |
| ·RBF神经网络训练 | 第52-62页 |
| ·单损伤识别网络 | 第52-58页 |
| ·双损伤与三损伤识别网络 | 第58页 |
| ·训练过程描述 | 第58-62页 |
| ·损伤位置识别 | 第62-73页 |
| ·损伤位置识别判断标准 | 第62-63页 |
| ·损伤位置识别效果 | 第63-73页 |
| ·损伤程度识别 | 第73-76页 |
| ·损伤程度识别判断标准 | 第73-74页 |
| ·损伤程度识别效果 | 第74-76页 |
| 第5章 结论与展望 | 第76-79页 |
| ·主要结论 | 第76-77页 |
| ·展望 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 攻读硕士学位期间发表的学术论文 | 第82-83页 |
| 致谢 | 第83页 |
