基于有限元与RBF神经网络的结构健康监测研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 第一章 绪论 | 第6-17页 |
| 1．1 概述 | 第6-7页 |
| 1．2 现有的损伤诊断技术 | 第7-9页 |
| 1．2．1 结构损伤诊断的内容 | 第7-8页 |
| 1．2．2 结构损伤检测方法分类 | 第8-9页 |
| 1．3 基于振动响应的损伤诊断技术 | 第9-15页 |
| 1．3．1 损伤检测理论的发展和现状 | 第9-12页 |
| 1．3．2 基于神经网络的损伤检测研究 | 第12-14页 |
| 1．3．3 结构智能健康监测 | 第14-15页 |
| 1．4 本文研究的主要内容 | 第15-17页 |
| 第二章 环境激振测试与后处理方法 | 第17-25页 |
| 2．1 原形结构物的激振测试 | 第17-18页 |
| 2．2 脉动测试信号的传统谱分析技术 | 第18页 |
| 2．3 基于小波分析的结构模态识别 | 第18-24页 |
| 2．3．1 小波分析定义 | 第18-19页 |
| 2．3．2 小波分析用于信号消噪处理 | 第19-22页 |
| 2．3．3 基于响应信号的ITD法 | 第22-24页 |
| 2．4 本章小结 | 第24-25页 |
| 第三章 结构损伤识别的模态技术 | 第25-37页 |
| 3．1 基于振动模态分析的损伤识别理论 | 第25-27页 |
| 3．1．1 模态分析的概念及分类 | 第25-26页 |
| 3．1．2 模态参数与结构损伤的关系 | 第26-27页 |
| 3．2 结构损伤识别的实现过程 | 第27-36页 |
| 3．2．1 基于不同参数的损伤识别 | 第28-30页 |
| 3．2．2 损伤定位 | 第30-33页 |
| 3．2．3 损伤程度识别 | 第33-36页 |
| 3．3 本章小结 | 第36-37页 |
| 第四章 结构损伤识别的神经网络方法及算例 | 第37-57页 |
| 4．1 神经网络基本理论 | 第37-45页 |
| 4．1．1 神经网络三要素 | 第37-41页 |
| 4．1．2 BP神经网络 | 第41-42页 |
| 4．1．3 RBF神经网络 | 第42-44页 |
| 4．1．4 LVQ神经网络 | 第44-45页 |
| 4．2 神经网络算法在损伤诊断中的应用 | 第45-48页 |
| 4．3 神经网络结构损伤识别仿真算例 | 第48-56页 |
| 4．3．1 损伤位置的识别 | 第51-54页 |
| 4．3．2 损伤程度的识别 | 第54-56页 |
| 4．4 讨论小结 | 第56-57页 |
| 第五章 基于有限元静力分析的损伤识别实例 | 第57-64页 |
| 5．1 有限元在损伤诊断中的应用 | 第57页 |
| 5．2 基于有限元静力分析的损伤识别工程算例 | 第57-64页 |
| 第六章 总结与展望 | 第64-67页 |
| 6．1 本文所作的工作及主要认识 | 第64-65页 |
| 6．2 进一步研究的展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表论文及参与的课题 | 第71-72页 |
| 致谢 | 第72页 |
