| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 桥梁移动荷载识别技术研究现状 | 第9-11页 |
| 1.2.2 分布式光纤传感技术的应用现状 | 第11-12页 |
| 1.3 论文研究思路及主要工作 | 第12-14页 |
| 第2章 基于影响线的荷载识别理论 | 第14-20页 |
| 2.1 影响线理论 | 第14-17页 |
| 2.2 考虑荷载横向分布后的荷载识别理论 | 第17-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 单车移动荷载识别数值模拟研究 | 第20-28页 |
| 3.1 简支T型梁桥模型及车辆荷载 | 第20-21页 |
| 3.1.1 桥梁模型 | 第20页 |
| 3.1.2 车辆荷载 | 第20-21页 |
| 3.2 数值模拟结果分析 | 第21-26页 |
| 3.2.1 未考虑荷载横向分布的识别结果分析 | 第21-23页 |
| 3.2.2 考虑荷载横向分布的识别结果分析 | 第23-25页 |
| 3.2.3 抗噪性能分析 | 第25-26页 |
| 3.3 本章小结 | 第26-28页 |
| 第4章 单车移动荷载识别试验研究 | 第28-42页 |
| 4.1 车桥模型试验概况 | 第28-34页 |
| 4.1.1 桥梁模型概况 | 第28-29页 |
| 4.1.2 车辆荷载概况 | 第29-30页 |
| 4.1.3 传感器布置情况 | 第30-34页 |
| 4.2 荷载识别结果分析 | 第34-41页 |
| 4.2.1 速度识别 | 第34-37页 |
| 4.2.2 车重识别结果及分析 | 第37-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第5章 基于影响线和BP神经网络的移动荷载识别方法 | 第42-56页 |
| 5.1 人工神经网络简介 | 第42-44页 |
| 5.1.1 神经网络模型 | 第43页 |
| 5.1.2 神经网络学习方式 | 第43-44页 |
| 5.2 BP神经网络 | 第44-49页 |
| 5.2.1 BP神经网络学习算法 | 第45-49页 |
| 5.2.2 BP神经网络的局限性 | 第49页 |
| 5.3 基于影响线和BP神经网络的移动荷载识别 | 第49-56页 |
| 5.3.1 神经网络样本的选择与处理 | 第50页 |
| 5.3.2 神经网络拓扑结构的设计 | 第50-51页 |
| 5.3.3 BP神经网络训练函数 | 第51-53页 |
| 5.3.4 神经网络精度评价 | 第53-56页 |
| 第6章 双车移动荷载识别试验研究 | 第56-66页 |
| 6.1 输入层节点数的选择 | 第56-58页 |
| 6.1.1 输入层节点个数为5时的识别结果 | 第56-57页 |
| 6.1.2 输入层节点个数为10时的识别结果 | 第57页 |
| 6.1.3 输入层节点个数为15时的识别结果 | 第57-58页 |
| 6.1.4 结果比较 | 第58页 |
| 6.2 训练函数的选择 | 第58-59页 |
| 6.2.1 拟牛顿法的识别结果 | 第58-59页 |
| 6.2.2 贝叶斯归一化法的识别结果 | 第59页 |
| 6.2.3 结果比较 | 第59页 |
| 6.3 双车车道位置识别 | 第59-60页 |
| 6.4 双车车辆荷载识别 | 第60-64页 |
| 6.4.1 一二车道车辆荷载识别结果 | 第61-62页 |
| 6.4.2 一三车道车辆荷载识别结果 | 第62-63页 |
| 6.4.3 二三车道车辆荷载识别结果 | 第63-64页 |
| 6.5 本章小结 | 第64-66页 |
| 第7章 结论与展望 | 第66-68页 |
| 7.1 本文主要研究结论 | 第66页 |
| 7.2 存在的问题与课题展望 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70-72页 |
| 作者攻读硕士期间发表的学术论文 | 第72页 |