| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-18页 |
| 1.1 选题背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 频域法 | 第12-13页 |
| 1.2.2 时域法 | 第13-14页 |
| 1.2.3 联合时频域法 | 第14-15页 |
| 1.2.4 仿生方法 | 第15-16页 |
| 1.3 结构非线性振动参数识别算法的研究仍存在的问题 | 第16页 |
| 1.4 本文研究的目的、方法和内容 | 第16-18页 |
| 2 小波分析以及神经网络的原理 | 第18-36页 |
| 2.1 引言 | 第18-19页 |
| 2.2 小波分析的理论及信号的连续小波变换 | 第19-28页 |
| 2.2.1 小波的多分辨率分析 | 第19-20页 |
| 2.2.2 小波变换 | 第20-22页 |
| 2.2.3 常用的小波基函数 | 第22-26页 |
| 2.2.4 小波函数的选择 | 第26-28页 |
| 2.3 人工神经网络及其在信号预测中的应用原理 | 第28-35页 |
| 2.3.1 神经元模型 | 第28-29页 |
| 2.3.2 神经元激发函数 | 第29-32页 |
| 2.3.3 人工神经网络的网络结构和学习规则 | 第32-35页 |
| 2.4 本章小结 | 第35-36页 |
| 3 基于神经网络预测与小波变换的结构非线性振动参数识别 | 第36-54页 |
| 3.1 引言 | 第36页 |
| 3.2 单自由度非线性振动系统的一阶近似解 | 第36-38页 |
| 3.3 基于复Morlet小波变换弱Duffing模型参数提取过程 | 第38-39页 |
| 3.4 BP神经网络预测延拓信号 | 第39-40页 |
| 3.5 数值算例 | 第40-53页 |
| 3.5.1 算例(一) | 第40-46页 |
| 3.5.2 算例(二) | 第46-53页 |
| 3.6 本章小结 | 第53-54页 |
| 4 基于结构非线性振动试验模型的参数识别 | 第54-68页 |
| 4.1 引言 | 第54页 |
| 4.2 试验模型、装置以及设备 | 第54-56页 |
| 4.3 试验内容 | 第56-57页 |
| 4.4 试验结果 | 第57-67页 |
| 4.4.1 大阻尼情况 | 第57-60页 |
| 4.4.2 中阻尼情况 | 第60-62页 |
| 4.4.3 小阻尼情况 | 第62-66页 |
| 4.4.4 不同阻尼情况下的地震激励误差 | 第66-67页 |
| 4.5 本章小结 | 第67-68页 |
| 结论与展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表学术论文情况 | 第74-75页 |
| 致谢 | 第75-76页 |
