| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题的来源、目的和意义 | 第9-10页 |
| ·桥梁结构损伤识别的研究现状及发展动态 | 第10-12页 |
| ·桥梁健康监测系统的研究现状 | 第10页 |
| ·结构损伤识别研究现状 | 第10-12页 |
| ·其他相关研究 | 第12页 |
| ·本课题研究的主要内容和重点 | 第12-15页 |
| 第二章 BP 神经网络和遗传算法的基本原理及运用 | 第15-31页 |
| ·人工神经网络 | 第15-18页 |
| ·人工神经网络的基本原理 | 第15-16页 |
| ·人工神经网络的发展 | 第16-18页 |
| ·BP 神经网络 | 第18-24页 |
| ·BP 神经网络概述 | 第18页 |
| ·BP 神经网络学习算法的基本思想 | 第18-23页 |
| ·BP 神经网络的不足和改进 | 第23-24页 |
| ·遗传算法 | 第24-31页 |
| ·遗传算法的基本原理 | 第24-25页 |
| ·遗传算法的一般步骤 | 第25-26页 |
| ·遗传算法的操作 | 第26-29页 |
| ·遗传算法的运用和特点 | 第29-31页 |
| 第三章 基于BP 神经网络和遗传算法相结合的损伤识别 | 第31-50页 |
| ·结构损伤识别现状 | 第31-32页 |
| ·静态识别方法 | 第32-33页 |
| ·动态识别方法 | 第33-42页 |
| ·基于固有频率的结构损伤识别方法 | 第33-37页 |
| ·基于固有振型的结构损伤识别方法 | 第37-39页 |
| ·基于柔度和刚度变化的结构损伤识别方法 | 第39-41页 |
| ·基于频响函数(传递函数)的结构损伤识别方法 | 第41-42页 |
| ·动-静态数据想结合的损伤识别方法 | 第42-44页 |
| ·基于BP 神经网络和遗传算法相结合的损伤识别 | 第44-45页 |
| ·算例 | 第45-50页 |
| 第四章 某铁路钢筋混凝土桥梁的损伤识别过程 | 第50-72页 |
| ·工程概况 | 第50页 |
| ·全桥现状检查 | 第50-54页 |
| ·桥梁外观尺寸 | 第50-51页 |
| ·主梁横断面尺寸及病害检查 | 第51-52页 |
| ·墩台基础检查 | 第52页 |
| ·强度检查 | 第52-53页 |
| ·应力检查 | 第53页 |
| ·实验结果 | 第53-54页 |
| ·检查结论及病因分析 | 第54页 |
| ·有限元模型的建立 | 第54-56页 |
| ·ANSYS 有限元软件的介绍 | 第54-55页 |
| ·模型建立 | 第55-56页 |
| ·结构其他条件的模拟 | 第56页 |
| ·关于损伤识别的说明 | 第56-57页 |
| ·抗弯刚度损伤识别 | 第57-63页 |
| ·网络训练数据的采集 | 第57-63页 |
| ·检验数据的采集 | 第63页 |
| ·BP 神经网络的设计与训练 | 第63-72页 |
| ·神经网络工具箱 | 第63-64页 |
| ·网络拓扑结构的选择 | 第64页 |
| ·网络权值和阈值的确定 | 第64-65页 |
| ·网络的建立及参数的设定 | 第65-68页 |
| ·神经网络的训练及仿真 | 第68-70页 |
| ·工程的识别 | 第70-72页 |
| 第五章 结论与展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 附录1 遗传算法和BP 神经网络主程序 | 第78-79页 |
| 附录2 数据输入、输出文件 | 第79-82页 |
| 附录3 数据的编码和解码程序 | 第82-83页 |
| 附录4 遗传算法适应值函数 | 第83-84页 |
| 个人简历 在读期间发表的学术论文 | 第84页 |