摘要 | 第4-6页 |
Abstract | 第6-7页 |
目录 | 第8-11页 |
1 绪论 | 第11-16页 |
1.1 桥梁结构健康诊断的研究意义 | 第11-12页 |
1.2 桥梁结构健康诊断的研究概况 | 第12-13页 |
1.3 大跨度钢-混凝土组合桁梁桥的发展 | 第13-15页 |
1.4 本文工程背景及主要研究内容 | 第15-16页 |
2 健康诊断方法的研究 | 第16-25页 |
2.1 健康诊断方法综述 | 第16页 |
2.2 基于静态的损伤识别方法 | 第16-18页 |
2.3 基于动态的损伤识别方法 | 第18-23页 |
2.3.1 基于固有频率变化的损伤识别 | 第18-19页 |
2.3.2 基于结构应变模态的损伤识别 | 第19-20页 |
2.3.3 基于模态置信度判据的损伤识别 | 第20-21页 |
2.3.4 基于柔度矩阵的损伤识别 | 第21-22页 |
2.3.5 基于单元模态应变能法的损伤识别 | 第22-23页 |
2.4 基于神经网络的损伤方法 | 第23-24页 |
2.5 本章小结 | 第24-25页 |
3 桥梁结构损伤识别的 RBF 神经网络方法 | 第25-37页 |
3.1 概述 | 第25-26页 |
3.1.1 神经网络模型 | 第25-26页 |
3.1.2 神经网络特点 | 第26页 |
3.2 RBF 神经网络的理论基础 | 第26-29页 |
3.2.1 RBF 神经网络结构模型 | 第26-27页 |
3.2.2 RBF 神经网络训练算法 | 第27-29页 |
3.3 RBF 神经网络的设计 | 第29-30页 |
3.3.1 MATLAB 神经网络工具箱 | 第29页 |
3.3.2 RBF 神经网络设计 | 第29-30页 |
3.3.3 RBF 神经网络用于损伤识别的基本步骤 | 第30页 |
3.4 RBF 神经网络损伤指标的研究 | 第30-35页 |
3.4.1 位移类损伤指标的研究 | 第30-32页 |
3.4.2 应变类损伤指标的研究 | 第32-33页 |
3.4.3 频率类损伤指标的研究 | 第33-35页 |
3.4.4 损伤指标总结 | 第35页 |
3.5 本章小结 | 第35-37页 |
4 钢-混凝土组合桁梁桥结构特点及主要损伤分析 | 第37-56页 |
4.1 钢-混凝土组合桁梁桥结构特点 | 第37-38页 |
4.2 钢-混凝土组合桁梁桥结构的损伤 | 第38-39页 |
4.2.1 节点的损伤 | 第38-39页 |
4.2.2 腹杆的损伤 | 第39页 |
4.3 损伤对钢-混凝土组合桁梁桥静力学性能的影响研究 | 第39-48页 |
4.3.1 节点损伤对桥梁静力学性能的影响研究 | 第40-44页 |
4.3.2 腹杆损伤对桥梁静力学性能的影响研究 | 第44-48页 |
4.4 损伤对钢-混凝土组合桁梁桥动力性能的影响 | 第48-54页 |
4.4.1 节点损伤对桥梁动力性能分析的影响研究 | 第49-51页 |
4.4.2 腹杆损伤对桥梁动力性能分析的影响研究 | 第51-54页 |
4.5 本章小结 | 第54-56页 |
5 基于 RBF 神经网络方法的桥梁结构损伤识别与诊断 | 第56-84页 |
5.1 工程背景 | 第56页 |
5.2 桥梁的异常检测 | 第56-58页 |
5.3 损伤识别的神经网络 | 第58-60页 |
5.3.1 多类工况识别网络 | 第58-59页 |
5.3.2 损伤识别研究的几点说明 | 第59页 |
5.3.3 损伤识别网络结构 | 第59-60页 |
5.4 RBF 神经网络样本采集及神经网络训练 | 第60-68页 |
5.4.1 单腹杆损伤识别样本采集 | 第60-62页 |
5.4.2 单节点损伤识别样本采集 | 第62-64页 |
5.4.3 混合损伤识别样本采集 | 第64-66页 |
5.4.4 训练过程描述 | 第66-68页 |
5.5 结构损伤识别 | 第68-83页 |
5.5.1 损伤识别判别标准 | 第68页 |
5.5.2 单损伤识别效果 | 第68-76页 |
5.5.3 多损伤识别效果 | 第76-83页 |
5.6 本章小结 | 第83-84页 |
6 结论与展望 | 第84-86页 |
6.1 结论 | 第84-85页 |
6.2 展望 | 第85-86页 |
致谢 | 第86-87页 |
参考文献 | 第87-89页 |
攻读学位期间的研究成果 | 第89页 |