| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第9-16页 |
| ·桩承台损伤检测研究的意义 | 第9-10页 |
| ·国内外损伤识别研究现状及发展动态 | 第10-13页 |
| ·国内外研究状况 | 第10-12页 |
| ·发展趋势 | 第12-13页 |
| ·用神经网络进行结构损伤检测的优势 | 第13页 |
| ·用神经网络进行结构损伤检测在土木工程中的应用情况 | 第13-14页 |
| ·本文工作的主要内容 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第2章 结构损伤识别的基本理论 | 第16-28页 |
| ·引言 | 第16页 |
| ·基于静态的损伤识别方法 | 第16-17页 |
| ·基于定态的损伤识别方法 | 第17-27页 |
| ·基于波形的损伤识别方法 | 第17-18页 |
| ·基于固有频率的损伤识别方法 | 第18-19页 |
| ·基于固有振型的损伤识别方法 | 第19-23页 |
| ·基于柔度变化的损伤识别方法 | 第23-25页 |
| ·基于刚度变化的损伤识别方法 | 第25页 |
| ·基于模态应变能的损伤识别方法 | 第25-27页 |
| ·基于神经网络的智能识别方法 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 概率神经网络 | 第28-36页 |
| ·引言 | 第28-29页 |
| ·概率神经网络 | 第29-33页 |
| ·Parzen窗方法 | 第29页 |
| ·两类分类问题的概率神经网络 | 第29-31页 |
| ·多类分类问题的概率神经网络 | 第31-33页 |
| ·用概率神经网络进行损伤检侧的方法及步骤 | 第33-35页 |
| ·概率神经网络的构造 | 第33-34页 |
| ·概率神经网络的输入参数 | 第34-35页 |
| ·概率神经网络的训练样本及测试样本 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于空间桁架传力机理的桩-承台的有限元模拟 | 第36-44页 |
| ·空间桁架理论的提出 | 第36页 |
| ·厚承台空间桁架受力模型的提出 | 第36-37页 |
| ·数值计算模型的建立 | 第37-43页 |
| ·有限元计算工具—ADINA软件简介 | 第37-39页 |
| ·计算模型及有限元划分 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 桩—承台的损伤模拟及用概率神经网络进行损伤位置的识别 | 第44-59页 |
| ·数据处理的方法与步骤 | 第44-46页 |
| ·桩承台的损伤模型 | 第46-50页 |
| ·概率神经网络模型 | 第50-57页 |
| ·损伤样本的产生 | 第50页 |
| ·用概率神经网络进行损伤定位 | 第50-57页 |
| ·损伤定位结果与讨论 | 第57-59页 |
| 总结与展望 | 第59-60页 |
| 总结 | 第59页 |
| 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录 A:攻读学位期间所发表的学术论文目录 | 第65页 |
