| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-30页 |
| 1.1 课题背景及研究的目的和意义 | 第12页 |
| 1.2 结构可靠性分析理论的发展概况 | 第12-28页 |
| 1.2.1 结构可靠性分析基本问题 | 第13-14页 |
| 1.2.2 国内外研究现状 | 第14-27页 |
| 1.2.3 研究现状分析 | 第27-28页 |
| 1.3 本文的主要研究内容 | 第28-30页 |
| 第2章 基于小波密度估计的自适应重要抽样方法 | 第30-52页 |
| 2.1 引言 | 第30页 |
| 2.2 多分辨率小波分析 | 第30-33页 |
| 2.3 基于线性小波密度估计的可靠性分析自适应重要抽样法 | 第33-45页 |
| 2.3.1 自适应马氏链对失效域预抽样 | 第33-35页 |
| 2.3.2 线性小波密度估计 | 第35-37页 |
| 2.3.3 基于线性小波密度估计构造重要抽样密度 | 第37-38页 |
| 2.3.4 基于线性小波密度估计的结构可靠性分析自适应重要抽样法 | 第38-39页 |
| 2.3.5 算例分析 | 第39-45页 |
| 2.4 基于非线性小波阈值密度估计的结构可靠性分析自适应重要抽样法 | 第45-50页 |
| 2.4.1 非线性小波阈值密度估计 | 第45-46页 |
| 2.4.2 基于非线性小波阈值密度估计构造重要抽样密度 | 第46-47页 |
| 2.4.3 基于非线性小波密度估计的结构可靠性分析自适应重要抽样法 | 第47-48页 |
| 2.4.4 算例分析 | 第48-50页 |
| 2.5 本章小结 | 第50-52页 |
| 第3章 基于自适应小波框架神经网络的结构可靠性分析方法 | 第52-69页 |
| 3.1 引言 | 第52页 |
| 3.2 小波框架 | 第52-54页 |
| 3.3 基于自适应小波框架神经网络的结构可靠性分析方法 | 第54-68页 |
| 3.3.1 自适应小波框架神经网络 | 第54-59页 |
| 3.3.2 生成训练数据 | 第59页 |
| 3.3.3 基于自适应小波框架神经网络的结构可靠性分析方法 | 第59-61页 |
| 3.3.4 算例分析 | 第61-68页 |
| 3.4 本章小结 | 第68-69页 |
| 第4章 单失效模式结构可靠性分析无偏代理模型方法 | 第69-86页 |
| 4.1 引言 | 第69-70页 |
| 4.2 KRIGING模型简介 | 第70-71页 |
| 4.3 单失效模式结构可靠性分析无偏代理模型法 | 第71-84页 |
| 4.3.1 估计修正系数 | 第72-76页 |
| 4.3.2 自适应更新代理模型 | 第76-77页 |
| 4.3.3 单失效模式结构可靠性分析无偏代理模型法 | 第77-80页 |
| 4.3.4 算例分析 | 第80-84页 |
| 4.4 本章小结 | 第84-86页 |
| 第5章 多失效模式结构可靠性分析无偏代理模型法 | 第86-106页 |
| 5.1 引言 | 第86页 |
| 5.2 基于伪马氏链的多失效模式结构可靠性分析无偏代理模型法 | 第86-93页 |
| 5.2.1 采用伪马氏链识别失效域 | 第87-91页 |
| 5.2.2 基于伪马氏链的多失效模式结构可靠性分析无偏代理模型法 | 第91-93页 |
| 5.3 基于自适应聚类的多失效模式结构可靠性分析无偏代理模型法 | 第93-97页 |
| 5.3.1 构造初始代理模型 | 第93-94页 |
| 5.3.2 基于自适应K均值聚类识别失效域 | 第94-96页 |
| 5.3.3 基于自适应聚类的多失效模式结构可靠性分析无偏代理模型法 | 第96-97页 |
| 5.4 算例分析 | 第97-104页 |
| 5.5 本章小结 | 第104-106页 |
| 结论 | 第106-108页 |
| 参考文献 | 第108-126页 |
| 攻读博士学位期间发表的论文及其它成果 | 第126-129页 |
| 致谢 | 第129-131页 |
| 个人简历 | 第131页 |
