基于试验模态的连续刚构桥施工监控参数识别研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究来源与背景 | 第9-13页 |
| 1.1.1 研究来源 | 第9页 |
| 1.1.2 研究背景 | 第9-13页 |
| 1.2 研究现状及发展趋势 | 第13-15页 |
| 1.2.1 施工监控研究现状 | 第13-14页 |
| 1.2.2 参数识别研究现状 | 第14-15页 |
| 1.2.3 施工监控发展趋势 | 第15页 |
| 1.3 问题的提出与主要研究内容 | 第15-17页 |
| 1.3.1 问题的提出 | 第15-16页 |
| 1.3.2 主要研究内容 | 第16-17页 |
| 第二章 连续刚构桥施工控制理论与方法 | 第17-28页 |
| 2.1 控制理论简介 | 第17页 |
| 2.2 桥梁施工控制方法 | 第17-19页 |
| 2.3 施工监控影响因素 | 第19-21页 |
| 2.4 施工监控参数识别 | 第21-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 三岔沟大桥施工监控系统的建立 | 第28-37页 |
| 3.1 工程概况 | 第28-29页 |
| 3.2 有限元模型 | 第29-31页 |
| 3.3 施工监控系统的建立 | 第31-36页 |
| 3.3.1 施工监测系统的建立 | 第32-34页 |
| 3.3.2 施工控制系统的建立 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于静力测试的施工监控参数识别 | 第37-73页 |
| 4.1 参数敏感性分析 | 第37-53页 |
| 4.1.1 结构自重参数的影响 | 第38-40页 |
| 4.1.2 结构刚度参数的影响 | 第40-42页 |
| 4.1.3 预应力参数的影响 | 第42-45页 |
| 4.1.4 收缩徐变的影响 | 第45-48页 |
| 4.1.5 温度变化的影响 | 第48-51页 |
| 4.1.6 各种参数的敏感性分析结果 | 第51-53页 |
| 4.2 最小二乘法对敏感参数的反演识别 | 第53-65页 |
| 4.2.1 参数识别理论方法 | 第53-56页 |
| 4.2.2 悬臂状态参数识别 | 第56-65页 |
| 4.3 基于静力测试参数识别的线形与应力控制结果 | 第65-72页 |
| 4.3.1 线形控制结果 | 第65-67页 |
| 4.3.2 应力控制结果 | 第67-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第五章 基于试验模态的施工监控参数识别 | 第73-117页 |
| 5.1 三岔沟大桥施工阶段模态试验 | 第73-83页 |
| 5.1.1 实验测试简介 | 第73-76页 |
| 5.1.2 模态试验结果 | 第76-83页 |
| 5.2 模态参数的获取方法 | 第83-88页 |
| 5.2.1 频域法 | 第84-85页 |
| 5.2.2 时域法 | 第85-88页 |
| 5.3 模态参数的解析解 | 第88-99页 |
| 5.3.1 简支梁 | 第88-90页 |
| 5.3.2 悬臂梁 | 第90-91页 |
| 5.3.3 自由端有刚性质量的悬臂梁 | 第91-99页 |
| 5.4 最小二乘法对结构主梁自重与刚度的识别 | 第99-108页 |
| 5.4.1 自重与刚度识别理论方法 | 第99-101页 |
| 5.4.2 悬臂状态自重与刚度识别 | 第101-108页 |
| 5.5 神经网络法对结构主梁自重与刚度的识别 | 第108-116页 |
| 5.5.1 神经网络样本参数选择 | 第108-111页 |
| 5.5.2 神经网络的建立与学习 | 第111-113页 |
| 5.5.3 神经网络样本训练结果 | 第113-116页 |
| 5.6 本章小结 | 第116-117页 |
| 第六章 结论与展望 | 第117-119页 |
| 6.1 主要结论 | 第117-118页 |
| 6.2 研究展望 | 第118-119页 |
| 参考文献 | 第119-123页 |
| 攻读硕士学位期间完成的科研成果 | 第123-124页 |
| 致谢 | 第124页 |
