| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 结构识别的概念 | 第10-12页 |
| 1.3 结构识别的分类 | 第12-17页 |
| 1.3.1 基于单模型的结构识别 | 第12-13页 |
| 1.3.2 多模型结构识别 | 第13-15页 |
| 1.3.3 基于贝叶斯理论的结构识别 | 第15-17页 |
| 1.4 本文主要研究内容 | 第17-19页 |
| 第2章 基于贝叶斯理论的多模型识别方法的研究 | 第19-49页 |
| 2.1 引言与概念介绍 | 第19-21页 |
| 2.2 贝叶斯理论简介 | 第21-24页 |
| 2.2.1 多模型的贝叶斯公式 | 第21-22页 |
| 2.2.2 基于模态参数的贝叶斯公式的推导 | 第22-24页 |
| 2.3 马尔科夫链蒙特卡罗模拟方法(MCMC) | 第24-27页 |
| 2.3.1 Gibbs抽样 | 第25页 |
| 2.3.2 MH抽样 | 第25-26页 |
| 2.3.3 MCMC方法的缺点与优化方法探讨 | 第26-27页 |
| 2.4 三种改进的MCMC算法 | 第27-32页 |
| 2.4.1 一种改进的MH抽样方法 | 第27-28页 |
| 2.4.2 传递式的MCMC (TMCMC)抽样方法 | 第28-31页 |
| 2.4.3 拉丁超立方抽样(LHS) | 第31-32页 |
| 2.5 交互访问技术(API)与目标函数 | 第32-34页 |
| 2.6 验证算例:简支梁有限元数值模型 | 第34-45页 |
| 2.6.1 数值模型与工况定义 | 第34-36页 |
| 2.6.2 改进的MH抽样识别 | 第36-39页 |
| 2.6.3 TMCMC抽样 | 第39-41页 |
| 2.6.4 拉丁超立方抽样(LHS) | 第41-44页 |
| 2.6.5 单模型算法的验证对比 | 第44-45页 |
| 2.7 位移预测评估 | 第45-48页 |
| 2.8 本章小结 | 第48-49页 |
| 第3章 误差阈值法与多模型识别在钢-砼板上的应用 | 第49-71页 |
| 3.1 绪论 | 第49页 |
| 3.2 误差阈值法简介 | 第49-52页 |
| 3.3 试验简介 | 第52-54页 |
| 3.4 有限元母模型的建立 | 第54-55页 |
| 3.5 “模型碎片”的选择与模型识别 | 第55-66页 |
| 3.5.1 误差阈值法 | 第55-61页 |
| 3.5.2 改进的MH抽样 | 第61-63页 |
| 3.5.3 TMCMC抽样 | 第63-64页 |
| 3.5.4 拉丁超立方抽样(LHS) | 第64-65页 |
| 3.5.5 单模型算法验证 | 第65-66页 |
| 3.6 位移响应预测评估 | 第66-68页 |
| 3.7 有限元模型的优选与对比 | 第68-70页 |
| 3.8 本章小结 | 第70-71页 |
| 第4章 多模型识别方法在来华大桥上的应用 | 第71-85页 |
| 4.1 绪论 | 第71页 |
| 4.2 来华大桥试验简介 | 第71-74页 |
| 4.3 参数选择与多模型识别 | 第74-82页 |
| 4.3.1 有限元建模和关键参数选择 | 第74页 |
| 4.3.2 改进的MH抽样 | 第74-75页 |
| 4.3.3 TMCMC抽样 | 第75-76页 |
| 4.3.4 拉丁超立方抽样(LHS) | 第76-78页 |
| 4.3.5 误差阈值法 | 第78-81页 |
| 4.3.6 遗传算法(GA)验证 | 第81-82页 |
| 4.4 位移响应评估与对比 | 第82-83页 |
| 4.5 本章小结 | 第83-85页 |
| 结论与展望 | 第85-87页 |
| 参考文献 | 第87-92页 |