| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第14-27页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.1.1 研究背景 | 第14页 |
| 1.1.2 研究意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-23页 |
| 1.2.1 斜拉桥基准有限元模型创建 | 第16页 |
| 1.2.2 传感器优化布置 | 第16-18页 |
| 1.2.3 环境激励下结构模态参数识别 | 第18-19页 |
| 1.2.4 模型修正损伤识别方法 | 第19-20页 |
| 1.2.5 模式识别损伤识别方法 | 第20-22页 |
| 1.2.6 研究现状分析 | 第22-23页 |
| 1.3 本文的研究工作 | 第23-27页 |
| 1.3.1 本文研究内容 | 第23-25页 |
| 1.3.2 研究方法及技术路线 | 第25-27页 |
| 第2章 斜拉桥健康监测软件平台与基础理论 | 第27-45页 |
| 2.1 软件平台简介 | 第27-28页 |
| 2.2 主要计算模块及基础理论 | 第28-44页 |
| 2.2.1 结构静力计算模块 | 第29-30页 |
| 2.2.2 结构模态计算模块 | 第30-31页 |
| 2.2.3 时间历程计算模块 | 第31页 |
| 2.2.4 试验设计模块 | 第31-32页 |
| 2.2.5 指纹库模块及灵敏度分析 | 第32-33页 |
| 2.2.6 测试数据预处理及模态参数识别模块 | 第33-39页 |
| 2.2.7 响应面计算模块 | 第39-40页 |
| 2.2.8 优化计算模块 | 第40页 |
| 2.2.9 模式识别计算模块 | 第40-44页 |
| 2.3 本章小结 | 第44-45页 |
| 第3章 创建斜拉桥基准有限元模型方法 | 第45-62页 |
| 3.1 引言 | 第45页 |
| 3.2 创建基准有限元模型新方法 | 第45-48页 |
| 3.2.1 新方法的提出 | 第45-47页 |
| 3.2.2 新方法的基本原理 | 第47-48页 |
| 3.3 斜拉桥工程及成桥试验概况 | 第48-53页 |
| 3.3.1 斜拉桥工程概况 | 第48-52页 |
| 3.3.2 成桥试验概况 | 第52-53页 |
| 3.4 实例与结果分析 | 第53-61页 |
| 3.4.1 新方法实现过程 | 第53-56页 |
| 3.4.2 结果对比分析 | 第56-61页 |
| 3.5 本章小结 | 第61-62页 |
| 第4章 斜拉桥损伤可识别性传感器优化布置方法 | 第62-77页 |
| 4.1 引言 | 第62-63页 |
| 4.2 节点自由度损伤信息指标法 | 第63-66页 |
| 4.2.1 指标和新方法的提出 | 第63-64页 |
| 4.2.2 新方法的实现过程 | 第64-66页 |
| 4.3 传感器优化布置第一类方法引入 | 第66-68页 |
| 4.4 实例与结果分析 | 第68-76页 |
| 4.4.1 计算损伤因子及其响应 | 第68-70页 |
| 4.4.2 计算所提指标并优化布点位置 | 第70-74页 |
| 4.4.3 利用第一类方法再优化 | 第74-76页 |
| 4.4.4 所提方法与传统方法优越性比较 | 第76页 |
| 4.5 本章小结 | 第76-77页 |
| 第5章 环境激励下斜拉桥模态参数识别算法比选与真假模态甄别方法 | 第77-97页 |
| 5.1 引言 | 第77-78页 |
| 5.2 模态识别算法的选取与实现 | 第78-85页 |
| 5.2.1 NExT-SSI识别算法与实现 | 第78-81页 |
| 5.2.2 FRF-PolyMax识别算法与实现 | 第81-85页 |
| 5.3 真假模态甄别新方法的提出与实现 | 第85-87页 |
| 5.3.1 新方法和术语的提出 | 第85-86页 |
| 5.3.2 新方法的实现 | 第86-87页 |
| 5.4 实例与结果分析 | 第87-96页 |
| 5.4.1 获取输入数据 | 第87-88页 |
| 5.4.2 所提功率谱求和分析 | 第88-91页 |
| 5.4.3 所提真假模态甄别方法分析 | 第91-92页 |
| 5.4.4 频率识别结果分析 | 第92-93页 |
| 5.4.5 振型识别结果分析 | 第93-96页 |
| 5.5 本章小结 | 第96-97页 |
| 第6章 响应面优化直接用于斜拉桥损伤识别方法 | 第97-137页 |
| 6.1 引言 | 第97-98页 |
| 6.2 响应面优化直接用于斜拉桥损伤识别的新方法 | 第98-102页 |
| 6.2.1 新方法的提出 | 第98-99页 |
| 6.2.2 新方法的实现 | 第99-102页 |
| 6.3 响应面模型的选取与实现 | 第102-107页 |
| 6.3.1 四阶多项式响应面模型 | 第102-103页 |
| 6.3.2 Kriging响应面模型 | 第103-104页 |
| 6.3.3 Chebyshev响应面模型 | 第104-105页 |
| 6.3.4 RBF响应面模型 | 第105-107页 |
| 6.4 多目标优化算法的选取与实现 | 第107-111页 |
| 6.4.1 NSGA-Ⅱ优化算法 | 第107-109页 |
| 6.4.2 粒子群优化算法 | 第109-111页 |
| 6.5 实例与结果分析 | 第111-136页 |
| 6.5.1 损伤工况及试验设计 | 第111-115页 |
| 6.5.2 计算响应面模型及识别精度验证 | 第115-116页 |
| 6.5.3 四阶多项式响应面模型结果及分析 | 第116-123页 |
| 6.5.4 优化算法训练和比选 | 第123-134页 |
| 6.5.5 对实测数据进行损伤识别 | 第134-136页 |
| 6.6 本章小结 | 第136-137页 |
| 第7章 斜拉桥损伤识别指纹库建立方法与模式分类算法比选 | 第137-162页 |
| 7.1 引言 | 第137-138页 |
| 7.2 指纹库建立新方法的提出与实现 | 第138-141页 |
| 7.2.1 新方法的提出 | 第138-139页 |
| 7.2.2 新方法的实现 | 第139-141页 |
| 7.3 模式分类算法选取与实现 | 第141-147页 |
| 7.3.1 多层感知器装袋算法 | 第141-144页 |
| 7.3.2 随机森林法 | 第144-145页 |
| 7.3.3 k-最近邻算法 | 第145页 |
| 7.3.4 LMT决策树算法 | 第145-147页 |
| 7.4 实例与结果分析 | 第147-161页 |
| 7.4.1 按所提出方法建立指纹库与结果分析 | 第147-154页 |
| 7.4.2 模式分类算法比选与结果分析 | 第154-160页 |
| 7.4.3 对实测数据进行损伤识别 | 第160-161页 |
| 7.5 本章小结 | 第161-162页 |
| 结论与展望 | 第162-164页 |
| 研究工作总结 | 第162-163页 |
| 需进一步研究工作展望 | 第163-164页 |
| 致谢 | 第164-166页 |
| 参考文献 | 第166-174页 |
| 附录 | 第174-196页 |
| 攻读博士学位期间发表的论文及参加的科研项目 | 第196页 |