| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-13页 |
| ·本课题研究的背景及意义 | 第9-10页 |
| ·本课题国内外的研究现状 | 第10-12页 |
| ·已取得的主要成就 | 第10-11页 |
| ·存在的主要问题 | 第11页 |
| ·桥梁健康监测的发展趋势 | 第11-12页 |
| ·本文的主要研究内容 | 第12-13页 |
| 第2章 人工神经网络和小波分析理论 | 第13-41页 |
| ·人工神经网络 | 第13-28页 |
| ·神经网络发展概况 | 第13页 |
| ·神经网络分类 | 第13-14页 |
| ·神经网络工作原理 | 第14-15页 |
| ·自组织神经网络基本原理 | 第15-18页 |
| ·BP神经网络基本原理 | 第18-24页 |
| ·径向基神经网络基本原理 | 第24-28页 |
| ·小波分析 | 第28-41页 |
| ·引言 | 第28-29页 |
| ·连续小波变换 | 第29-32页 |
| ·多尺度分析 | 第32-37页 |
| ·小波包分解 | 第37-39页 |
| ·小波分析在结构诊断中的作用 | 第39-41页 |
| 第3章 结构损伤识别理论 | 第41-49页 |
| ·概述 | 第41页 |
| ·基于动力特性的结构损伤识别方法综述 | 第41-47页 |
| ·基于固有频率变化的损伤识别技术 | 第41-42页 |
| ·基于模态振型变化的损伤识别技术 | 第42-44页 |
| ·基于柔度变化的损伤识别技术 | 第44页 |
| ·基于应变模态参数变化的损伤识别技术 | 第44-45页 |
| ·基于统计信息的结构损伤识别技术 | 第45页 |
| ·基于能量变化的损伤识别技术 | 第45-46页 |
| ·基于刚度变化的结构损伤识别技术 | 第46页 |
| ·基于残余力向量的损伤识别技术 | 第46-47页 |
| ·多步法损伤识别理论 | 第47-48页 |
| ·子结构概念 | 第47页 |
| ·多步法损伤检测研究概述 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 RBF神经网络在预应力钢箱砼梁承载能力研究中的应用 | 第49-56页 |
| ·概述 | 第49页 |
| ·试验简介 | 第49-51页 |
| ·设计原则 | 第49-50页 |
| ·参数选取 | 第50-51页 |
| ·模型设计 | 第51页 |
| ·试验方法 | 第51页 |
| ·RBF神经网络预应力钢箱混凝土梁荷载识别 | 第51-53页 |
| ·建模的内容 | 第51页 |
| ·数据的预处理和后处理 | 第51页 |
| ·网络结构的确定 | 第51-52页 |
| ·算例 | 第52-53页 |
| ·小结 | 第53页 |
| ·应用 RBF网络预测预应力钢箱混凝土梁极限承载力 | 第53-54页 |
| ·建模内容 | 第53页 |
| ·数据预处理和后处理 | 第53-54页 |
| ·网络结构的确定 | 第54页 |
| ·算例 | 第54页 |
| ·小结 | 第54页 |
| ·本章小结 | 第54-56页 |
| 第5章 多步法人工神经网络识别桁架梁损伤 | 第56-84页 |
| ·算例模型结构 | 第56页 |
| ·损伤识别过程 | 第56-57页 |
| ·损伤识别第一步 | 第57-67页 |
| ·识别参数的选择与提取 | 第57-60页 |
| ·神经网络的选取 | 第60页 |
| ·LVQ网络识别训练及其性能评价 | 第60-64页 |
| ·PNN网络识别训练及其性能评价 | 第64-66页 |
| ·小结 | 第66-67页 |
| ·损伤识别第二步 | 第67-72页 |
| ·单损伤识别参数的选择与提取 | 第67-68页 |
| ·单损伤神经网络的选取 | 第68页 |
| ·单损伤损伤识别判断标准 | 第68-69页 |
| ·RBF网络单损伤识别及性能评价 | 第69-70页 |
| ·BP网络单损伤识别及性能评价 | 第70-71页 |
| ·小结 | 第71-72页 |
| ·损伤识别因子识别效果简析 | 第72-74页 |
| ·双损伤识别 | 第74-82页 |
| ·双损伤识别参数的选择与提取 | 第74-75页 |
| ·双损伤神经网络的选取 | 第75-76页 |
| ·双损伤损伤识别判断标准 | 第76页 |
| ·RBF网络识别及性能评价 | 第76-79页 |
| ·RBF网络识别小结 | 第79页 |
| ·BP网络识别及性能评价 | 第79-82页 |
| ·BP网络识别小结 | 第82页 |
| ·本章小结 | 第82-84页 |
| 第6章 信号降噪分析 | 第84-90页 |
| ·提高神经网络含噪数据识别能力 | 第84-87页 |
| ·小波降噪的应用 | 第87-89页 |
| ·本章小结 | 第89-90页 |
| 结论与展望 | 第90-92页 |
| 致谢 | 第92-93页 |
| 参考文献 | 第93-97页 |
| 攻读硕士学位期间发表的论文 | 第97-98页 |
| 参加的科研项目 | 第98页 |