| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-31页 |
| ·桥梁健康监测与状态评估 | 第11-12页 |
| ·监测和评估中的信息处理问题 | 第12-13页 |
| ·软计算方法 | 第13-15页 |
| ·软计算在桥梁健康监测与状态评估中的应用研究 | 第15-28页 |
| ·特殊(偶然)荷载——船桥撞击力的识别 | 第15-19页 |
| ·桥梁监测传感器的优化布置 | 第19-21页 |
| ·基于层次分析的桥梁整体状态的综合评估方法 | 第21-24页 |
| ·桥梁监测信号的分析处理方法 | 第24-28页 |
| ·本文的研究工作和组织安排 | 第28-31页 |
| 第二章 软计算基本理论及其应用研究 | 第31-56页 |
| ·概述 | 第31页 |
| ·人工神经网络基本原理 | 第31-35页 |
| ·群智能优化算法基本原理 | 第35-43页 |
| ·遗传算法 | 第35-38页 |
| ·微粒群算法 | 第38-40页 |
| ·蚁群算法 | 第40-42页 |
| ·人工免疫算法 | 第42-43页 |
| ·群智能优化算法应用研究 | 第43-55页 |
| ·算法收敛性 | 第43-44页 |
| ·群智能优化算法对比实验分析 | 第44-55页 |
| ·算法性能评价标准 | 第44-45页 |
| ·算法数值实验平台 | 第45-47页 |
| ·算法设置 | 第47-48页 |
| ·测试对比分析 | 第48-55页 |
| ·算法集成与改进 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第三章 桥-船撞击力识别的神经网络方法 | 第56-77页 |
| ·概述 | 第56-57页 |
| ·神经网络训练样本的获取 | 第57-65页 |
| ·船撞桥的撞击力 | 第57-59页 |
| ·沃辛船舶碰撞试验 | 第59页 |
| ·南京长江大桥受船撞仿真分析及荷载识别基本样本生成 | 第59-65页 |
| ·南京长江大桥桥墩有限元模型 | 第60-63页 |
| ·基于碰撞瞬态动力分析的神经网络基本学习样本 | 第63-65页 |
| ·荷载识别神经网络的构建 | 第65-72页 |
| ·学习样本的生成 | 第65-67页 |
| ·网络总体模型 | 第67-69页 |
| ·基于局部最优检测的学习率自适应调整方法 | 第69-72页 |
| ·神经网络训练与测试 | 第72-76页 |
| ·网络性能测试 | 第72-74页 |
| ·考虑噪声影响的神经网络训练 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 第四章 基于遗传-免疫算法的桥梁健康监测传感器优化布置 | 第77-98页 |
| ·概述 | 第77-78页 |
| ·传感器测点最优布置基本理论 | 第78-80页 |
| ·传感器的最优布置准则 | 第78页 |
| ·传感器优化模型 | 第78-80页 |
| ·基于单目标遗传-免疫算法的传感器测点布置优化 | 第80-89页 |
| ·单目标优化模型 | 第80-81页 |
| ·基于数集编码的遗传操作 | 第81-82页 |
| ·单目标遗传-免疫算法 | 第82-84页 |
| ·单目标传感器测点优化实例 | 第84-89页 |
| ·基于多目标遗传-免疫算法的传感器优化布置 | 第89-94页 |
| ·多目标优化 | 第89-90页 |
| ·多目标遗传-免疫算法 | 第90-92页 |
| ·多目标传感器测点优化 | 第92-94页 |
| ·工程应用实例 | 第94-96页 |
| ·本章小结 | 第96-98页 |
| 第五章 三端点区间数AHP在桥梁状态评估中的应用研究 | 第98-117页 |
| ·概述 | 第98页 |
| ·AHP基本原理 | 第98-101页 |
| ·三端点区间数AHP | 第101-110页 |
| ·三端点区间数及三端点区间数互补判断矩阵 | 第102-103页 |
| ·三端点区间数的确定 | 第103-104页 |
| ·基于微粒群算法方法的三端点区间数互补判断矩阵最优权重确定 | 第104-108页 |
| ·三端点区间数互补判断矩阵一致性指标 | 第108-110页 |
| ·桥梁状态综合评估方法 | 第110-112页 |
| ·南京长江大桥状态评估实例 | 第112-116页 |
| ·状态评估因素层次化 | 第112页 |
| ·指标权重的确定 | 第112-116页 |
| ·本章小结 | 第116-117页 |
| 第六章 桥梁动力响应信号的智能稀疏分解技术研究及应用 | 第117-143页 |
| ·概述 | 第117-118页 |
| ·信号的稀疏分解的基本概念 | 第118-119页 |
| ·信号分解的一般表示方法 | 第118页 |
| ·信号的原子表示及稀疏分解 | 第118-119页 |
| ·信号稀疏分解的蚁群-混沌追踪算法 | 第119-129页 |
| ·信号在过完备库中分解的逼近模型 | 第119-120页 |
| ·信号正交投影分解及其时频分布 | 第120-122页 |
| ·原子库的构造准则 | 第122页 |
| ·常用原子库的构造及原子参数设置 | 第122-126页 |
| ·蚁群-混沌优化算法设计 | 第126-129页 |
| ·蚁群-混沌追踪算法与传统MP的算法计算效率对比分析 | 第129-131页 |
| ·基于蚁群-混沌追踪算法信号分解方法的实验研究 | 第131-138页 |
| ·实验简介 | 第131-132页 |
| ·实测数据及分析 | 第132-138页 |
| ·基于蚁群-混沌追踪算法的桥梁实测信号分析 | 第138-141页 |
| ·本章小结 | 第141-143页 |
| 第七章 结论与展望 | 第143-146页 |
| ·结论 | 第143-145页 |
| ·展望 | 第145-146页 |
| 参考文献 | 第146-162页 |
| 致谢 | 第162-163页 |
| 在读期间发表的学术论文及参加的科研项目 | 第163-164页 |
