| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第17-30页 |
| 1.1 大跨度桥梁的发展 | 第17-18页 |
| 1.2 桥梁结构的风致振动问题 | 第18-26页 |
| 1.2.1 桥梁的风致振动 | 第18-20页 |
| 1.2.2 大跨度桥梁的涡激共振病害 | 第20-25页 |
| 1.2.3 涡激共振研究现状 | 第25-26页 |
| 1.3 桥梁结构健康监测系统及其在桥梁风工程中的应用 | 第26-28页 |
| 1.4 本文研究内容 | 第28-30页 |
| 1.4.1 选题背景和意义 | 第28-29页 |
| 1.4.2 本文主要工作 | 第29-30页 |
| 第2章 西堠门大桥健康监测系统及动力特征研究 | 第30-47页 |
| 2.1 引言 | 第30页 |
| 2.2 西堠门大桥健康监测系统 | 第30-33页 |
| 2.2.1 西堠门大桥简介 | 第30-31页 |
| 2.2.2 西堠门大桥健康监测系统简介 | 第31-33页 |
| 2.3 西堠门大桥动力特征分析 | 第33-46页 |
| 2.3.1 基于有限元模型的模态特性分析 | 第33-34页 |
| 2.3.2 模态参数识别的AMD-RDT方法 | 第34-35页 |
| 2.3.3 基于实测数据的参数识别 | 第35-42页 |
| 2.3.4 模态阻尼比变化趋势分析验证 | 第42-46页 |
| 2.4 本章小结 | 第46-47页 |
| 第3章 基于随机减量技术的涡激共振自动识别研究 | 第47-58页 |
| 3.1 引言 | 第47页 |
| 3.2 涡激共振与环境振动的区别 | 第47-48页 |
| 3.3 基于随机减量技术的涡激共振自动识别 | 第48-52页 |
| 3.2.1 随机减量技术 | 第48-49页 |
| 3.2.2 涡激共振信号的随机减量处理 | 第49-50页 |
| 3.2.3 自动识别方法 | 第50-52页 |
| 3.4 仿真分析 | 第52-57页 |
| 3.4.1 仿真结构的模态特征 | 第52-53页 |
| 3.4.2 影响因素分析 | 第53-55页 |
| 3.4.3 涡激共振的仿真识别 | 第55-57页 |
| 3.5 本章小结 | 第57-58页 |
| 第4章 基于新奇检测技术的涡激共振自动识别研究 | 第58-67页 |
| 4.1 引言 | 第58页 |
| 4.2 新奇检测技术 | 第58-61页 |
| 4.2.1 BP神经网络 | 第58-59页 |
| 4.2.2 基于BP神经网络的新奇检测技术 | 第59-61页 |
| 4.3 基于新奇检测技术的涡激共振自动识别 | 第61-64页 |
| 4.3.1 涡激共振与环境振动的差别 | 第61页 |
| 4.3.2 输入数据的处理 | 第61页 |
| 4.3.3 训练函数的选择 | 第61-63页 |
| 4.3.4 自动识别方法 | 第63-64页 |
| 4.4 仿真分析 | 第64页 |
| 4.5 两种识别方法的比较 | 第64-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第5章 实测数据的涡激共振自动识别及响应特征研究 | 第67-87页 |
| 5.1 引言 | 第67页 |
| 5.2 西堠门桥及结构监测系统 | 第67-68页 |
| 5.3 西堠门大桥桥位风场 | 第68-69页 |
| 5.4 基于新奇检测技术的涡激共振自动识别研究 | 第69-76页 |
| 5.4.1 数据的选取及识别 | 第69-72页 |
| 5.4.2 识别结果分析验证 | 第72-76页 |
| 5.4.3 漏判和误判分析 | 第76页 |
| 5.5 基于随机减量技术的涡激共振自动识别研究 | 第76-78页 |
| 5.6 涡激共振响应特征研究 | 第78-86页 |
| 5.6.1 涡激共振的结构模态特征 | 第78-81页 |
| 5.6.2 涡激共振的风场特征 | 第81页 |
| 5.6.3 涡激共振的振幅特征 | 第81-84页 |
| 5.6.4 涡激共振的风场相关性特征 | 第84-86页 |
| 5.7 本章小结 | 第86-87页 |
| 结论与展望 | 第87-89页 |
| 参考文献 | 第89-94页 |
| 致谢 | 第94-95页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第95页 |