基于贝叶斯理论的结构响应重构方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第11-27页 |
| 1.1 引言 | 第11-12页 |
| 1.2 结构动态响应重构技术 | 第12-16页 |
| 1.3 传感器优化布置方法 | 第16-19页 |
| 1.4 基于贝叶斯理论的状态、参数、激励联合识别 | 第19-24页 |
| 1.5 论文主要研究内容 | 第24-27页 |
| 2 基于经验模式分解的线性结构响应重构 | 第27-48页 |
| 2.1 引言 | 第27页 |
| 2.2 基于经验模式分解的结构响应重构法 | 第27-30页 |
| 2.3 考虑密集模态的改进方法 | 第30-35页 |
| 2.4 算例 | 第35-47页 |
| 2.5 本章小结 | 第47-48页 |
| 3 基于卡尔曼滤波的线性结构响应重构方法 | 第48-71页 |
| 3.1 引言 | 第48-49页 |
| 3.2 动力学状态空间方程 | 第49-50页 |
| 3.3 基于卡尔曼滤波的响应重构 | 第50-58页 |
| 3.4 基于EIKF的响应重构 | 第58-62页 |
| 3.5 算例 | 第62-70页 |
| 3.6 本章小结 | 第70-71页 |
| 4 基于扩展卡尔曼滤波的线性结构响应重构方法 | 第71-101页 |
| 4.1 引言 | 第71页 |
| 4.2 非线性识别模型 | 第71-72页 |
| 4.3 基于扩展卡尔曼滤波的响应重构 | 第72-76页 |
| 4.4 基于扩展EIKF的响应重构 | 第76-81页 |
| 4.5 扩展EIKF法的模态形式 | 第81-84页 |
| 4.6 算例 | 第84-90页 |
| 4.7 实验研究 | 第90-99页 |
| 4.8 本章小结 | 第99-101页 |
| 5 基于粒子滤波的非线性结构响应重构方法 | 第101-127页 |
| 5.1 引言 | 第101-102页 |
| 5.2 蒙特卡罗抽样方法 | 第102-106页 |
| 5.3 粒子滤波 | 第106-110页 |
| 5.4 基于改进粒子滤波法的结构响应重构 | 第110-113页 |
| 5.5 算例 | 第113-126页 |
| 5.6 本章小结 | 第126-127页 |
| 6 总结与展望 | 第127-131页 |
| 6.1 全文总结 | 第127-129页 |
| 6.2 研究展望 | 第129-131页 |
| 致谢 | 第131-132页 |
| 参考文献 | 第132-146页 |
| 附录 攻读博士学位期间发表的论文 | 第146页 |
