| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-35页 |
| 1.1 引言 | 第13页 |
| 1.2 结构健康监测系统概述 | 第13-20页 |
| 1.2.1 结构健康监测系统的工程应用 | 第14-16页 |
| 1.2.2 结构健康监测系统的组成架构 | 第16-20页 |
| 1.3 结构损伤识别方法 | 第20-23页 |
| 1.4 基于时间序列分析的损伤识别方法综述 | 第23-27页 |
| 1.4.1 损伤特征提取 | 第24-25页 |
| 1.4.2 统计判别 | 第25-27页 |
| 1.5 本文内容 | 第27-30页 |
| 参考文献 | 第30-35页 |
| 第二章 时间序列和主成分分析基本原理 | 第35-53页 |
| 2.1 引言 | 第35页 |
| 2.2 时间序列基本概念 | 第35页 |
| 2.3 常用时间序列模型 | 第35-37页 |
| 2.3.1 自回归移动平均模型(ARMA) | 第36页 |
| 2.3.2 自回归模型(AR) | 第36-37页 |
| 2.3.3 移动平均模型(MA) | 第37页 |
| 2.3.4 两阶段时间序列分析模型(AR-ARX) | 第37页 |
| 2.4 时间序列模型的特性 | 第37-43页 |
| 2.4.1 自相关函数 | 第38-41页 |
| 2.4.2 偏自相关函数 | 第41-43页 |
| 2.5 时间序列模型的建模流程 | 第43-48页 |
| 2.5.1 数据的采集、检验与预处理 | 第43-45页 |
| 2.5.2 模型参数估计 | 第45-47页 |
| 2.5.3 模型形式选取与定阶 | 第47-48页 |
| 2.6 主成分分析法的基本原理 | 第48-50页 |
| 2.6.1 主成分分析的数学模型 | 第49-50页 |
| 2.6.2 主成分分析的算法 | 第50页 |
| 2.7 本章小结 | 第50-52页 |
| 参考文献 | 第52-53页 |
| 第三章 基于时间序列的损伤概率方法 | 第53-76页 |
| 3.1 引言 | 第53页 |
| 3.2 基本流程 | 第53-59页 |
| 3.2.1 数据样本构造 | 第54页 |
| 3.2.2 数据匹配 | 第54页 |
| 3.2.3 损伤指标计算 | 第54-57页 |
| 3.2.4 损伤阈值确定与损伤概率计算 | 第57-59页 |
| 3.3 数值算例 | 第59-74页 |
| 3.3.1 模型概况 | 第59-61页 |
| 3.3.2 模型选择与定阶 | 第61-63页 |
| 3.3.3 损伤指标样本提取 | 第63-65页 |
| 3.3.4 损伤阈值确定与损伤概率计算 | 第65-69页 |
| 3.3.5 损伤指标敏感性研究 | 第69-71页 |
| 3.3.6 损伤指标抗噪性研究 | 第71-74页 |
| 3.4 本章小结 | 第74-75页 |
| 参考文献 | 第75-76页 |
| 第四章 简支梁实验对比研究 | 第76-84页 |
| 4.1 引言 | 第76页 |
| 4.2 简支梁模型概况 | 第76-77页 |
| 4.3 振动测试系统 | 第77-78页 |
| 4.4 损伤指标选择 | 第78页 |
| 4.5 损伤阈值 | 第78-79页 |
| 4.6 损伤概率 | 第79-81页 |
| 4.7 本章小结 | 第81-83页 |
| 参考文献 | 第83-84页 |
| 第五章 新光大桥吊杆损伤概率分析 | 第84-89页 |
| 5.1 引言 | 第84页 |
| 5.2 吊杆监测概况 | 第84页 |
| 5.3 损伤指标选择 | 第84页 |
| 5.4 损伤阈值 | 第84-86页 |
| 5.5 损伤概率 | 第86-87页 |
| 5.6 本章小结 | 第87-88页 |
| 参考文献 | 第88-89页 |
| 第六章 结束语 | 第89-92页 |
| 6.1 本文工作总结 | 第89-91页 |
| 6.1.1 主要工作 | 第89-90页 |
| 6.1.2 主要结论 | 第90-91页 |
| 6.2 今后研究方向 | 第91-92页 |
| 攻读硕士学位期间取得的研究成果 | 第92-93页 |
| 致谢 | 第93-94页 |
| Ⅳ－2答辩委员会对论文的评定意见 | 第94页 |