基于小波与人工神经网络的结构损伤识别研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 引言 | 第10页 |
| 1.2 研究目的与意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 本文研究内容及结构 | 第13-16页 |
| 第二章 结构损伤识别 | 第16-26页 |
| 2.1 结构损伤识别的基本内容 | 第16-17页 |
| 2.2 模态分析与结构损伤的关系 | 第17-18页 |
| 2.3 基于振动模态分析理论的损伤识别 | 第18-25页 |
| 2.3.1 基于固有频率的损伤识别 | 第18-20页 |
| 2.3.2 基于位移模态的损伤识别 | 第20-22页 |
| 2.3.3 基于应变模态的损伤识别[26-29] | 第22-23页 |
| 2.3.4 基于曲率模态的损伤识别 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 小波分析 | 第26-36页 |
| 3.1 从傅里叶变换到小波变换 | 第26-27页 |
| 3.2 连续小波变换 | 第27-29页 |
| 3.3 常用小波函数 | 第29-33页 |
| 3.4 小波变换对信号奇异性检测的基本原理 | 第33-35页 |
| 3.4.1 信号奇异性的性质 | 第33-34页 |
| 3.4.2 Lipschitz指数与信号的奇异性 | 第34-35页 |
| 3.4.3 小波变换识别奇异性 | 第35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 人工神经网络 | 第36-48页 |
| 4.1 神经元模型 | 第36-38页 |
| 4.2 网络模型 | 第38-39页 |
| 4.3 学习规则 | 第39-40页 |
| 4.4 BP神经网络 | 第40-46页 |
| 4.4.1 BP神经网络模型 | 第40-41页 |
| 4.4.2 BP神经网络学习算法 | 第41-45页 |
| 4.4.3 BP神经网络学习算法改进 | 第45-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第五章 基于小波分析的结构损伤诊断实例 | 第48-62页 |
| 5.1 基于曲率模态差的损伤识别 | 第48-49页 |
| 5.2 简支梁损伤识别算例 | 第49-56页 |
| 5.2.1 单一损伤情况下的简支梁损伤识别 | 第50-53页 |
| 5.2.2 多处损伤情况下的简支梁损伤识别 | 第53-56页 |
| 5.3 连续刚构桥梁损伤识别算例 | 第56-60页 |
| 5.4 本章小结 | 第60-62页 |
| 第六章 基于BP神经网络的结构损伤诊断实例 | 第62-77页 |
| 6.1 正常状态下的结构有限元模型数值分析 | 第62-64页 |
| 6.2 损伤状态下的结构有限元模型数值分析 | 第64-65页 |
| 6.3 连续刚构桥梁损伤识别算例 | 第65-75页 |
| 6.3.1 结构的损伤定位 | 第69-72页 |
| 6.3.2 结构的损伤程度判定 | 第72-75页 |
| 6.4 本章小结 | 第75-77页 |
| 第七章 结论与展望 | 第77-79页 |
| 7.1 结论 | 第77页 |
| 7.2 展望 | 第77-79页 |
| 致谢 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 在学期间发表的论文和取得的学术成果 | 第85页 |
