| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-34页 |
| 1.1 桥梁健康监测发展概述 | 第12-20页 |
| 1.1.1 桥梁健康监测的意义 | 第12-16页 |
| 1.1.2 桥梁健康监测发展概况 | 第16-20页 |
| 1.2 桥梁健康监测数据分析现状 | 第20-25页 |
| 1.3 贝叶斯推理在结构健康监测中的应用 | 第25-28页 |
| 1.4 新光大桥健康监测系统简介 | 第28-32页 |
| 1.5 本文研究内容 | 第32-34页 |
| 第二章 贝叶斯推理：参数识别与模型选择 | 第34-74页 |
| 2.1 概述 | 第34-35页 |
| 2.2 贝叶斯原理 | 第35-55页 |
| 2.2.1 贝叶斯定理 | 第36-38页 |
| 2.2.2 先验分布选择 | 第38-51页 |
| 2.2.3 贝叶斯推理 | 第51-55页 |
| 2.3 贝叶斯参数识别 | 第55-61页 |
| 2.3.1 回归模型 | 第55-57页 |
| 2.3.2 均匀先验分布 | 第57-59页 |
| 2.3.3 共轭先验分布 | 第59-61页 |
| 2.4 贝叶斯模型选择 | 第61-73页 |
| 2.4.1 AIC和BIC准则 | 第65-67页 |
| 2.4.2 算例分析 | 第67-73页 |
| 2.5 本章小结 | 第73-74页 |
| 第三章 基于随机子空间法的桥梁模态参数识别 | 第74-102页 |
| 3.1 概述 | 第74页 |
| 3.2 基于环境激励的模态参数识别方法概述 | 第74-76页 |
| 3.3 随机子空间法识别结构模态参数 | 第76-95页 |
| 3.3.1 系统的状态空间模型 | 第76-80页 |
| 3.3.2 Hankel矩阵 | 第80-81页 |
| 3.3.3 系统矩阵求解 | 第81-88页 |
| 3.3.4 模态参数识别 | 第88页 |
| 3.3.5 稳定图 | 第88-90页 |
| 3.3.6 算例分析 | 第90-95页 |
| 3.4 新光大桥模态参数识别 | 第95-100页 |
| 3.4.1 低通滤波预处理 | 第96-97页 |
| 3.4.2 模态参数识别 | 第97-100页 |
| 3.5 本章小结 | 第100-102页 |
| 第四章 桥梁模态参数与环境因素概率映射关系 | 第102-146页 |
| 4.1 概述 | 第102页 |
| 4.2 新光大桥模态参数与环境因素统计分析 | 第102-116页 |
| 4.2.1 模态参数 | 第102-107页 |
| 4.2.2 环境因素 | 第107-109页 |
| 4.2.3 模态参数与环境因素相关性分析 | 第109-116页 |
| 4.3 模态参数-环境因素概率映射关系 | 第116-137页 |
| 4.3.1 模态参数-环境温度、相对湿度和平均风速映射关系 | 第119-124页 |
| 4.3.2 模态参数-环境温度、相对湿度、平均风速和车流量映射关系 | 第124-133页 |
| 4.3.3 模态频率随环境因素的变化规律 | 第133-137页 |
| 4.4 基于概率映射关系的桥梁模态频率预测 | 第137-141页 |
| 4.5 基于预测结果的桥梁整体健康状况预警分析 | 第141-145页 |
| 4.6 本章小结 | 第145-146页 |
| 第五章 结论与展望 | 第146-149页 |
| 5.1 本文工作总结 | 第146-148页 |
| 5.1.1 主要工作 | 第146-147页 |
| 5.1.2 主要创新点 | 第147页 |
| 5.1.3 主要结论 | 第147-148页 |
| 5.2 后续研究展望 | 第148-149页 |
| 参考文献 | 第149-156页 |
| 攻读硕士学位期间取得的研究成果 | 第156-157页 |
| 致谢 | 第157-158页 |
| 附件 | 第158页 |