| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景、目的和意义 | 第12-13页 |
| 1.2 桥梁损伤识别发展综述 | 第13-17页 |
| 1.2.1 基于动力特性的损伤识别技术 | 第13-15页 |
| 1.2.2 基于人工智能的损伤识别技术 | 第15-17页 |
| 1.3 疲劳裂缝检测技术研究现状 | 第17-20页 |
| 1.3.1 裂缝模型主要形式 | 第17-18页 |
| 1.3.2 疲劳裂缝损伤识别研究现状 | 第18-20页 |
| 1.4 本文的主要工作内容 | 第20-22页 |
| 第2章 谐波激励作用下双线性疲劳裂缝梁损伤识别研究 | 第22-42页 |
| 2.1 疲劳损伤结构谐波响应产生机理 | 第22-23页 |
| 2.2 双线性疲劳裂缝模型构建 | 第23-26页 |
| 2.2.1 双线性疲劳裂缝理论模型 | 第23-24页 |
| 2.2.2 双线性疲劳裂缝有限元模型 | 第24-26页 |
| 2.3 双线性疲劳裂缝悬臂梁谐波振动响应分析 | 第26-35页 |
| 2.3.1 双线性疲劳损伤对谐波振动响应敏感性分析 | 第27-29页 |
| 2.3.2 疲劳损伤深度对谐波振动响应影响分析 | 第29-32页 |
| 2.3.3 疲劳损伤位置对谐波振动响应影响分析 | 第32-35页 |
| 2.4 双线性疲劳裂缝识别指标构建与验证 | 第35-40页 |
| 2.4.1 损伤识别指标构建 | 第36-37页 |
| 2.4.2 损伤识别指标有效性分析 | 第37-40页 |
| 2.5 本章小结 | 第40-42页 |
| 第3章 谐波激励作用下非线性疲劳裂缝梁损伤识别研究 | 第42-64页 |
| 3.1 非线性疲劳裂缝模型构建 | 第42-46页 |
| 3.1.1 非线性疲劳裂缝理论模型 | 第42-44页 |
| 3.1.2 非线性疲劳损伤结构谐波振动响应求解 | 第44-45页 |
| 3.1.3 非线性疲劳裂缝有限元模型 | 第45-46页 |
| 3.2 非线性疲劳裂缝悬臂梁谐波振动响应分析 | 第46-55页 |
| 3.2.1 非线性疲劳损伤对谐波振动响应敏感性分析 | 第47-49页 |
| 3.2.2 疲劳损伤深度对谐波振动响应影响分析 | 第49-52页 |
| 3.2.3 疲劳损伤位置对谐波振动响应影响分析 | 第52-55页 |
| 3.3 非线性疲劳裂缝识别指标构建与验证 | 第55-60页 |
| 3.3.1 损伤识别指标构建 | 第56页 |
| 3.3.2 损伤识别指标有效性分析 | 第56-60页 |
| 3.4 双线性与非线性疲劳裂缝模拟效果对比分析 | 第60-62页 |
| 3.5 本章小结 | 第62-64页 |
| 第4章 疲劳裂缝的损伤定位与损伤程度识别 | 第64-82页 |
| 4.1 粒子群优化支持向量回归模型 | 第64-71页 |
| 4.1.1 支持向量回归算法 | 第64-68页 |
| 4.1.2 粒子群算法 | 第68-70页 |
| 4.1.3 粒子群优化支持向量回归算法 | 第70-71页 |
| 4.2 疲劳裂缝损伤识别流程 | 第71页 |
| 4.3 疲劳裂缝损伤位置识别 | 第71-77页 |
| 4.3.1 振型递变值 | 第72-74页 |
| 4.3.2 振型曲率 | 第74-77页 |
| 4.4 疲劳裂缝损伤程度识别 | 第77-80页 |
| 4.4.1 训练样本选取 | 第77页 |
| 4.4.2 粒子群优化支持向量回归模型构建 | 第77-78页 |
| 4.4.3 损伤程度识别性能分析 | 第78-80页 |
| 4.5 本章小结 | 第80-82页 |
| 第5章 结论与展望 | 第82-84页 |
| 5.1 结论 | 第82-83页 |
| 5.2 展望 | 第83-84页 |
| 参考文献 | 第84-90页 |
| 作者简介及在学期间所取得的科研成果 | 第90-91页 |
| 致谢 | 第91页 |
