| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 课题的研究目的及意义 | 第8页 |
| 1.2 不确定性的含义 | 第8-13页 |
| 1.2.1 不确定性的种类及其来源 | 第8-10页 |
| 1.2.2 不确定性分析的方法 | 第10-13页 |
| 1.3 基于概率的结构不确定性损伤识别技术 | 第13-15页 |
| 1.3.1 基于贝叶斯统计推断的模型修正法 | 第13-14页 |
| 1.3.2 基于有限元反分析的模型修正法 | 第14页 |
| 1.3.3 基于统计模式的损伤识别方法 | 第14-15页 |
| 1.3.4 基于概率神经网络的损伤识别方法 | 第15页 |
| 1.4 本文主要研究工作的内容 | 第15-17页 |
| 第二章 关于概率统计的基本理论 | 第17-28页 |
| 2.1 随机变量及其概率分布 | 第17-19页 |
| 2.2 常见的随机变量概率分布类型 | 第19-22页 |
| 2.2.1 均匀分布 | 第19页 |
| 2.2.2 正态分布 | 第19-20页 |
| 2.2.3 对数正态分布 | 第20-21页 |
| 2.2.4 威布尔分布 | 第21-22页 |
| 2.3 随机变量的数字特征 | 第22-24页 |
| 2.3.1 数学期望(均值) | 第22-23页 |
| 2.3.2 方差 | 第23页 |
| 2.3.3 统计矩 | 第23-24页 |
| 2.4 蒙特卡洛模拟法 | 第24-27页 |
| 2.4.1 蒙特卡洛模拟法的解题过程 | 第25-26页 |
| 2.4.2 蒙特卡洛模拟法的应用特点 | 第26-27页 |
| 本章小结 | 第27-28页 |
| 第三章 基于概率统计理论的随机结构响应分析 | 第28-57页 |
| 3.1 基于降维法的随机结构响应统计矩的计算 | 第28-35页 |
| 3.1.1 降维数值积分法 | 第28-31页 |
| 3.1.2 求解随机结构响应统计矩 | 第31-35页 |
| 3.2 随机结构响应的概率分布计算 | 第35-41页 |
| 3.3 随机结构的不确定性分析 | 第41-42页 |
| 3.3.1 随机结构不确定性的输入计算 | 第42页 |
| 3.3.2 随机结构响应计算 | 第42页 |
| 3.3.3 随机结构不确定性的输出计算 | 第42页 |
| 3.4 数值算例分析 | 第42-56页 |
| 3.4.1 线性的数值计算算例 | 第42-46页 |
| 3.4.2 弱非线性的数值计算算例 | 第46-53页 |
| 3.4.3 强非线性数值计算算例 | 第53-56页 |
| 本章小结 | 第56-57页 |
| 第四章 基于概率的结构损伤识别 | 第57-71页 |
| 4.1 结构损伤的判断 | 第57-61页 |
| 4.1.1 假设检验 | 第57-59页 |
| 4.1.2 两正态总体分布的假设检验 | 第59-61页 |
| 4.2 结构损伤临界判别值的确定 | 第61-62页 |
| 4.3 结构损伤识别分析过程 | 第62-64页 |
| 4.3.1 确定随机结构损伤前后响应的概率密度函数 | 第63页 |
| 4.3.2 计算健康置信区间和损伤置信区间 | 第63-64页 |
| 4.3.3 确定接受域并识别损伤 | 第64页 |
| 4.4 斜拉桥结构损伤识别分析 | 第64-70页 |
| 本章小结 | 第70-71页 |
| 第五章 结论与展望 | 第71-73页 |
| 5.1 研究结论 | 第71页 |
| 5.2 展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间发表的学术论文 | 第76-77页 |
| 致谢 | 第77页 |