| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第10-24页 |
| ·引言 | 第10-11页 |
| ·研究的背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-22页 |
| ·直接比较法 | 第13-18页 |
| ·基于模型修正的损伤识别方法 | 第18-19页 |
| ·基于概率统计理论的损伤识别方法 | 第19-20页 |
| ·基于神经网络的损伤识别方法 | 第20-21页 |
| ·基于小波分析的损伤识别方法 | 第21-22页 |
| ·本文研究的主要内容 | 第22-24页 |
| 第2章 时间序列分析的基本理论与方法 | 第24-35页 |
| ·时间序列分析相关概念 | 第24-27页 |
| ·时间序列 | 第24-25页 |
| ·时间序列的特性分析 | 第25-27页 |
| ·时间序列模型及其性质 | 第27-29页 |
| ·自回归模型（AR 模型） | 第27-28页 |
| ·滑动平均模型（MA 模型） | 第28页 |
| ·自回归滑动平均模型（ARMA 模型） | 第28-29页 |
| ·模型参数估计 | 第29-32页 |
| ·AR（p）模型的参数估计 | 第29-31页 |
| ·MA（q）模型的参数估计 | 第31-32页 |
| ·ARMA（p,q）模型的参数估计 | 第32页 |
| ·模型定阶 | 第32-33页 |
| ·AR 模型在MATLAB 中的实现 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 神经网络理论以及模型 | 第35-45页 |
| ·神经网络的基本原理 | 第35-38页 |
| ·神经网络的特点和性质 | 第35-37页 |
| ·神经网络的识别能力 | 第37-38页 |
| ·BP 网络 | 第38-40页 |
| ·BP 算法及改进 | 第38-39页 |
| ·BP 网络结构的确定 | 第39-40页 |
| ·BP 网络在结构损伤识别研究中的应用 | 第40-41页 |
| ·BP 网络在MATLAB 中的实现 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第4章 基于时间序列分析与神经网络的结构损伤识别研究 | 第45-76页 |
| 引言 | 第45页 |
| ·原理 | 第45-48页 |
| ·海洋平台数值模拟 | 第48-75页 |
| ·海洋平台有限元模型 | 第48-50页 |
| ·高斯白噪声激励下的模拟 | 第50-69页 |
| ·环境激励下的模拟 | 第69-75页 |
| ·本章小结 | 第75-76页 |
| 第5章 海洋平台实验验证 | 第76-86页 |
| ·冲击响应实验验证 | 第76-81页 |
| ·振动台实验验证 | 第81-85页 |
| ·本章小结 | 第85-86页 |
| 第6章 结论与展望 | 第86-88页 |
| ·结论 | 第86页 |
| ·展望 | 第86-88页 |
| 参考文献 | 第88-93页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第93-94页 |
| 致谢 | 第94页 |