基于改进的BP神经网络多参数组合损伤识别
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-20页 |
| 1.1 桥梁健康监测和损伤识别的意义 | 第8-9页 |
| 1.2 检测桥梁结构损伤的内容和方法 | 第9-10页 |
| 1.3 国内外损伤识别研究现状 | 第10-17页 |
| 1.3.1 基于固有频率损伤识别方法 | 第11-13页 |
| 1.3.2 基于振型变化的损伤识别方法 | 第13-15页 |
| 1.3.3 基于遗传算法的损伤识别 | 第15-16页 |
| 1.3.4 基于神经网络算法的损伤识别 | 第16-17页 |
| 1.4 本文主要研究的内容 | 第17-20页 |
| 2 神经网络的基本原理及应用 | 第20-28页 |
| 2.1 人工神经网络的基本原理 | 第20-23页 |
| 2.1.1 人工神经网络基本介绍 | 第20页 |
| 2.1.2 人工神经网络的发展 | 第20-21页 |
| 2.1.3 人工神经网络的基本特点 | 第21-22页 |
| 2.1.4 人工神经网络的基本模型 | 第22-23页 |
| 2.2 BP神经网络 | 第23-27页 |
| 2.2.1 BP神经网络的基本介绍 | 第23-24页 |
| 2.2.2 BP神经网络模型结构 | 第24-25页 |
| 2.2.3 标准BP算法的实现过程 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 3 基于改进的BP神经网络多参数组合桥梁损伤识别 | 第28-44页 |
| 3.1 改进的BP神经网络在损伤识别中的应用 | 第28-32页 |
| 3.1.1 标准BP模型的不足与改进方法 | 第28-30页 |
| 3.1.2 神经网络损伤识别的基本思想 | 第30-31页 |
| 3.1.3 神经网络分步识别结构损伤的方法 | 第31-32页 |
| 3.2 结构损伤识别输入参数的选择 | 第32-35页 |
| 3.2.1 各种损伤识别参数的应用 | 第32-33页 |
| 3.2.2 多参数组合 | 第33-35页 |
| 3.3 简支梁桥损伤识别的BP神经网络建模 | 第35-43页 |
| 3.3.1 桥梁基本计算模型 | 第35-36页 |
| 3.3.2 输入数据选取 | 第36-38页 |
| 3.3.3 神经网络结构 | 第38-39页 |
| 3.3.4 三种网络识别结果分析 | 第39-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 寸滩长江大桥损伤识别 | 第44-68页 |
| 4.1 基于神经网络的悬索桥分层分步损伤识别 | 第44-46页 |
| 4.1.1 引言 | 第44页 |
| 4.1.2 悬索桥损伤分层分步识别 | 第44-46页 |
| 4.2 寸滩长江大桥损伤识别过程 | 第46-67页 |
| 4.2.1 工程背景 | 第46-47页 |
| 4.2.2 寸滩桥有限元模型的建立 | 第47-50页 |
| 4.2.3 相关参数对于损伤的敏感性分析 | 第50-60页 |
| 4.2.4 建立神经网络进行损伤识别 | 第60-67页 |
| 4.3 本章小结 | 第67-68页 |
| 5 主要结论与展望 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 附录 | 第78页 |
| A 作者在攻读学位期间参与的科研项目 | 第78页 |
