基于概率神经网络的桥梁损伤定位研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景及意义 | 第11-12页 |
| ·结构损伤识别研究现状 | 第12-17页 |
| ·基于振动的结构损伤识别方法 | 第13-15页 |
| ·基于神经网络的结构损伤方法 | 第15-17页 |
| ·结构损伤识别存在的主要问题 | 第17-18页 |
| ·本文主要研究内容 | 第18-19页 |
| 第2章 概率神经网络理论 | 第19-31页 |
| ·人工神经网络 | 第19-25页 |
| ·神经网络概述 | 第19-21页 |
| ·神经网络的模型 | 第21-25页 |
| ·概率神经网络的模式识别机理 | 第25-29页 |
| ·最小风险的Bayes决策 | 第25-27页 |
| ·网络分类的概率机理 | 第27-28页 |
| ·概率神经网络模型 | 第28-29页 |
| ·概率神经网络与BP、RBF网络比较 | 第29-31页 |
| 第3章 基于概率神经网络的桥梁损伤定位方法 | 第31-39页 |
| ·概率神经网络的构造 | 第31页 |
| ·概率神经网络输入参数的选取 | 第31-37页 |
| ·固有频率 | 第32-35页 |
| ·位移模态 | 第35-36页 |
| ·曲率模态 | 第36页 |
| ·组合指标 | 第36-37页 |
| ·概率神经网络训练样本和测试样本 | 第37-39页 |
| 第4章 简支梁桥损伤定位数值模拟 | 第39-57页 |
| ·简支梁模态分析 | 第39-41页 |
| ·简支梁模型 | 第39页 |
| ·模态分析 | 第39-41页 |
| ·分别采用四种输入参数时的PNN定位分析 | 第41-48页 |
| ·固有频率 | 第41-43页 |
| ·位移模态 | 第43-45页 |
| ·曲率模态 | 第45-46页 |
| ·组合指标 | 第46-47页 |
| ·四种输入参数识别效果比较 | 第47-48页 |
| ·采用组合指标对PNN进一步分析 | 第48-56页 |
| ·训练次数对PNN识别效果的影响 | 第48-49页 |
| ·训练有无噪声对PNN识别效果的影响 | 第49-50页 |
| ·输入向量特征选取对PNN识别效果的影响 | 第50-52页 |
| ·PNN的泛化能力 | 第52-54页 |
| ·PNN多损伤识别 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 钢管混凝土拱桥损伤定位数值模拟 | 第57-72页 |
| ·北川河桥模态分析 | 第57-59页 |
| ·设计资料 | 第57页 |
| ·模态分析 | 第57-59页 |
| ·拱桥损伤定位第一步 | 第59-61页 |
| ·子结构损伤识别法概述 | 第59-60页 |
| ·子结构法识别拱桥损伤大致位置 | 第60-61页 |
| ·拱桥损伤定位第二步 | 第61-70页 |
| ·拱肋损伤位置识别 | 第61-65页 |
| ·吊杆损伤位置识别 | 第65-67页 |
| ·桥面损伤位置识别 | 第67-70页 |
| ·本章小结 | 第70-72页 |
| 结论及展望 | 第72-74页 |
| 一. 本文结论 | 第72页 |
| 二. 研究展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间发表的论文 | 第79页 |
