| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-19页 |
| ·选题的背景及意义 | 第8-9页 |
| ·国内外目前的研究进展 | 第9-17页 |
| ·结构损伤诊断方法的发展现状 | 第9-10页 |
| ·工程结构损伤诊断的主要方法 | 第10-17页 |
| ·本文的主要工作 | 第17-19页 |
| 第2章 浅埋地下结构动力特性分析 | 第19-30页 |
| ·结构振动的特征值问题 | 第19-20页 |
| ·整体分析方法 | 第20-21页 |
| ·浅埋框架结构损伤诊断的仿真模型 | 第21-30页 |
| ·有限元模型方法及Marc的特点 | 第21-22页 |
| ·有限元计算中的基本假定 | 第22页 |
| ·土——地下结构相互作用体系的边界条件 | 第22-23页 |
| ·损伤结构刚度矩阵的两种表示方法 | 第23-28页 |
| ·浅埋框架结构的有限元建模和模态分析 | 第28-30页 |
| 第3章 改进的BP神经网络方法 | 第30-38页 |
| ·概述 | 第30-31页 |
| ·标准BP学习算法 | 第31-35页 |
| ·BP学习算法的要点 | 第32-34页 |
| ·对BP网络的评价 | 第34-35页 |
| ·改进的BP学习算法 | 第35-37页 |
| ·学习速率的自适应调整 | 第35-36页 |
| ·附加动量因子算法 | 第36-37页 |
| ·改进的BP网络的基本方法和步骤 | 第37-38页 |
| 第4章 基于神经网络的浅埋单跨框架结构损伤诊断 | 第38-72页 |
| ·基于神经网络的浅埋单跨框架损伤诊断方法概述 | 第38-39页 |
| ·常用损伤标识量的敏感性分析 | 第39-49页 |
| ·构造神经网络学习样本集 | 第49-52页 |
| ·数据的收集 | 第49页 |
| ·损伤标识量DEΦ | 第49-51页 |
| ·样本分析与选取 | 第51页 |
| ·学习样本的规范化处理 | 第51-52页 |
| ·分区式神经网络 | 第52-53页 |
| ·浅埋框架结构损伤识别方案 | 第53-54页 |
| ·DEΦ标准谱分析与改进的BP神经网络相结合的分步识别方法 | 第53-54页 |
| ·分区式神经网络识别方法 | 第54页 |
| ·改进的BP神经网络的设计 | 第54-55页 |
| ·输入、输出参数的选择 | 第54-55页 |
| ·隐含层数以及隐含层节点数的确定 | 第55页 |
| ·激励函数的选取 | 第55页 |
| ·初始权值的选取 | 第55页 |
| ·网络的学习与测试 | 第55-56页 |
| ·神经网络的计算机实现 | 第56-57页 |
| ·算例分析 | 第57-72页 |
| ·计算模型 | 第57-58页 |
| ·材料参数 | 第58-59页 |
| ·动态有限元分析及损伤特征量选取 | 第59页 |
| ·浅埋框架结构的损伤诊断 | 第59-72页 |
| 结论与展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间发表的论文 | 第80页 |