| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第一章 绪论 | 第13-28页 |
| ·桥梁健康监测的背景及意义 | 第13-16页 |
| ·桥梁健康监测系统的状态评估研究进展情况 | 第16-24页 |
| ·国内外桥梁健康监测系统的发展状况 | 第16-18页 |
| ·基于桥梁健康监测系统的安全状态评估研究现状 | 第18-23页 |
| ·桥梁非线性及混沌动力行为研究发展 | 第23-24页 |
| ·混沌动力学理论在结构系统分析中的应用现状 | 第24-26页 |
| ·本文主要研究内容及取得的成果 | 第26页 |
| ·创新点 | 第26-28页 |
| 第二章 复杂结构系统非线性动力机理分析 | 第28-51页 |
| ·引言 | 第28-30页 |
| ·高维非线性系统全局分叉及混沌行为分析 | 第30-42页 |
| ·典型 Euler-Bernoulli 梁的混沌行为分析 | 第31-37页 |
| ·基于Melnikov 理论的斜拉索混沌全局分叉分析 | 第37-42页 |
| ·工程结构荷载激励作用下的非线性稳定性分析 | 第42-50页 |
| ·车桥耦合动力响应模型分析 | 第42-46页 |
| ·车桥耦合动力系统的稳定性分析 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第三章 基于混沌时间序列理论的桥梁监测信息分析技术研究 | 第51-78页 |
| ·时间序列 | 第51-64页 |
| ·时间序列时域处理方法 | 第51-54页 |
| ·时间序列频域处理方法 | 第54-58页 |
| ·时间序列 ARMA 模型 | 第58-64页 |
| ·混沌时间序列及其特征参数分析 | 第64-69页 |
| ·准相图 | 第64-65页 |
| ·Poincare 截面 | 第65页 |
| ·关联维数 D_2 | 第65-67页 |
| ·Kolmogorow 熵 | 第67页 |
| ·最大 Lyapunov 指数 | 第67-69页 |
| ·基于混沌特征指标的混沌系统识别 | 第69-72页 |
| ·基于混沌时间序列的结构状态分析技术路线 | 第72-75页 |
| ·基于一类学习模式的多混沌指标体系桥梁状态评价探索 | 第75-77页 |
| ·基于支持向量机的模式识别 | 第75-76页 |
| ·基于 SVM 多混沌特征指标的桥梁状态评价 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 第四章 基于非线性混沌行为的 ASCE Benchmark 模型状态分析研究 | 第78-94页 |
| ·ASCE Benchmark 模型 | 第78-80页 |
| ·ASCE Benchmark 有限元模型 | 第80-81页 |
| ·ASCE Benchmark 有限元模型试验 | 第81-88页 |
| ·瞬态激励下的动力响应信息 | 第81-86页 |
| ·基于瞬态激励响应的 Benchmark 有限元模型混沌特征指标分析 | 第86-88页 |
| ·Benchmark 模型试验混沌时间序列分析 | 第88-90页 |
| ·Benchmark 试验数据 | 第88-89页 |
| ·Benchmark 模型试验最大Lyapunov 指数分析 | 第89-90页 |
| ·基于最大Lyapunov 指数谱熵的结构状态分析 | 第90-92页 |
| ·最大 Lyapunov 指数谱熵 | 第90-91页 |
| ·基于最大 Lyapunov 指数谱熵的 Benchmark 有限元模型状态分析 | 第91-92页 |
| ·基于最大Lyapunov 指数谱熵的Benchmark 模型试验状态分析 | 第92页 |
| ·本章小结 | 第92-94页 |
| 第五章 在役桥梁健康监测系统及其状态分析研究 | 第94-117页 |
| ·马桑溪长江大桥健康监测系统 | 第94-99页 |
| ·监测系统及监测参数 | 第94-96页 |
| ·主要监测数据 | 第96-99页 |
| ·基于线性与非线性桥梁监测测点信息分析及应用 | 第99-108页 |
| ·桥梁健康监测测点关联特性 | 第99页 |
| ·基于时延转移熵与时延互信息的测点非线性关联特性分析 | 第99-104页 |
| ·基于线性相关性的桥梁监测多传感器测点间关联分析 | 第104-108页 |
| ·基于长期健康监测的结构系统混沌特征指标及状态分析 | 第108-111页 |
| ·最大Lyapunov 指数分析 | 第108-109页 |
| ·关联维数指标分析 | 第109-111页 |
| ·基于递推BP 神经网络的混沌时间序列预测 | 第111-116页 |
| ·递推 BP 神经网络预测分析 | 第112-113页 |
| ·基于递推 BP 神经网络桥梁监测信息预测分析 | 第113-116页 |
| ·本章小结 | 第116-117页 |
| 第六章 结论及展望 | 第117-119页 |
| ·主要结论 | 第117-118页 |
| ·工作展望 | 第118-119页 |
| 致谢 | 第119-120页 |
| 参考文献 | 第120-127页 |
| 攻读博士期间发表的论著及取得的科研成果 | 第127-129页 |
