无迹卡尔曼滤波在高拱坝损伤识别中的应用
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 引言 | 第9页 |
| 1.2 损伤识别研究现状 | 第9-13页 |
| 1.2.1 基于无模型的结构损伤识别方法 | 第10页 |
| 1.2.2 基于有模型的结构损伤识别方法 | 第10-13页 |
| 1.3 水工结构损伤识别现状 | 第13-15页 |
| 1.4 基于卡尔曼滤波类算法损伤识别研究现状 | 第15-16页 |
| 1.5 本文研究内容 | 第16-18页 |
| 第2章 基本理论 | 第18-26页 |
| 2.1 卡尔曼滤波类算法 | 第18-20页 |
| 2.1.1 经典卡尔曼滤波 | 第18-19页 |
| 2.1.2 无迹卡尔曼滤波的基本理论 | 第19-20页 |
| 2.2 神经网络算法 | 第20-24页 |
| 2.2.1 BP神经网络算法的实现 | 第22-23页 |
| 2.2.2 BP神经网络算法基本步骤 | 第23-24页 |
| 2.3 正则化方法 | 第24-25页 |
| 2.3.1 参数变化反演模型 | 第24页 |
| 2.3.2 稀疏约束正则化方法 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 高拱坝三维有限元静动力分析 | 第26-33页 |
| 3.0 工程背景 | 第26页 |
| 3.1 高拱坝模型建立 | 第26-27页 |
| 3.2 高拱坝的模态分析 | 第27-29页 |
| 3.3 高拱坝结构的静力分析 | 第29-32页 |
| 3.3.1 温度场分布和边界条件模拟 | 第29-30页 |
| 3.3.2 静力分析结果 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于神经网络的无迹卡尔曼滤波损伤识别方法 | 第33-59页 |
| 4.1 坝体损伤区域的划分 | 第33页 |
| 4.2 坝体测点优化选取 | 第33-37页 |
| 4.3 神经网络模型的建立与精度分析 | 第37-38页 |
| 4.4 基于神经网络的无迹卡尔曼滤波算法 | 第38-40页 |
| 4.5 结合L1正则化的损伤识别算法 | 第40-42页 |
| 4.6 高拱坝结构损伤识别 | 第42-55页 |
| 4.6.1 不考虑水位变化情况下的损伤识别 | 第42-47页 |
| 4.6.2 真实库水位变化情况下的损伤识别 | 第47-55页 |
| 4.7 测点数目对损伤识别的影响 | 第55-57页 |
| 4.7.1 单损工况一测点参数分析 | 第55-56页 |
| 4.7.2 多损工况一测点参数分析 | 第56-57页 |
| 4.8 本章小结 | 第57-59页 |
| 第5章 考虑温度场变化的高拱坝损伤识别方法 | 第59-73页 |
| 5.1 引言 | 第59页 |
| 5.2 高拱坝温度荷载影响分析 | 第59-66页 |
| 5.2.1 二滩拱坝实测温度边界条件 | 第59-61页 |
| 5.2.2 温度荷载影响分析 | 第61-66页 |
| 5.3 考虑温度场变化情况下高拱坝损伤识别 | 第66-72页 |
| 5.3.1 神经网络模型建立与精度分析 | 第66-67页 |
| 5.3.2 损伤反演分析 | 第67-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第6章 结论与展望 | 第73-75页 |
| 6.1 结论 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间学术成果 | 第82页 |
