| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 结构损伤识别方法综述 | 第9-13页 |
| 1.3 时间序列分析在损伤识别中的应用 | 第13-14页 |
| 1.4 本文主要研究内容 | 第14-16页 |
| 2 ARMA 模型基本理论 | 第16-22页 |
| 2.1 ARMA 模型基础 | 第16-17页 |
| 2.1.1 ARMA 模型简介 | 第16页 |
| 2.1.2 ARMA 模型的基本形式 | 第16-17页 |
| 2.2 ARMA 模型的内涵 | 第17页 |
| 2.3 ARMA 模型的性质 | 第17-20页 |
| 2.3.1 AR 模型性质 | 第17-19页 |
| 2.3.2 MA 模型性质 | 第19页 |
| 2.3.3 ARMA 模型性质 | 第19-20页 |
| 2.4 ARMA 模型定阶 | 第20页 |
| 2.4.1 AIC 准则 | 第20页 |
| 2.4.2 BIC 准则 | 第20页 |
| 2.5 本章小结 | 第20-22页 |
| 3 时间序列的结构动力分析 | 第22-36页 |
| 3.1 引言 | 第22页 |
| 3.2 白噪声序列 | 第22-25页 |
| 3.3 层间剪切结构模型 | 第25-27页 |
| 3.4 Wilson— 动力反应分析 | 第27-31页 |
| 3.4.1 Wilson— 无条件稳定线性加速度法 | 第27-29页 |
| 3.4.2 层间剪切结构的加速度响应 | 第29-31页 |
| 3.5 ARMA 模型的建立 | 第31-35页 |
| 3.5.1 ARMA 定阶算法 | 第31-33页 |
| 3.5.2 层间剪切结构的 ARMA 模型 | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 4 基于时间序列分析的损伤定位识别 | 第36-58页 |
| 4.1 引言 | 第36页 |
| 4.2 自回归系数敏感因子损伤定位法 | 第36-44页 |
| 4.2.1 损伤结构的参数设定 | 第36-38页 |
| 4.2.2 自回归系数敏感因子 | 第38-40页 |
| 4.2.3 损伤定位结果分析 | 第40-44页 |
| 4.3 加速度向量损伤定位法 | 第44-49页 |
| 4.3.1 加速度向量差的内积 | 第44-45页 |
| 4.3.2 损伤定位结果分析 | 第45-49页 |
| 4.4 测量噪声的引入 | 第49-55页 |
| 4.4.1 测量噪声模拟方法 | 第49-51页 |
| 4.4.2 引入测量噪声的损伤定位识别 | 第51-55页 |
| 4.5 本章小结 | 第55-58页 |
| 5 基于时间序列分析的损伤定量识别 | 第58-74页 |
| 5.1 引言 | 第58页 |
| 5.2 损伤识别矩阵的训练 | 第58-61页 |
| 5.2.1 人工神经网络简介 | 第58-59页 |
| 5.2.2 损伤识别矩阵 Z | 第59-61页 |
| 5.2.3 识别矩阵的训练 | 第61页 |
| 5.3 识别矩阵损伤定量法 | 第61-72页 |
| 5.3.1 Z 矩阵的识别原理 | 第61-62页 |
| 5.3.2 Z 矩阵定量识别分析 | 第62-71页 |
| 5.3.3 引入测量噪声的损伤定量识别 | 第71-72页 |
| 5.4 本章小结 | 第72-74页 |
| 6 结论与展望 | 第74-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-80页 |