摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
主要符号表 | 第20-23页 |
1 绪论 | 第23-48页 |
1.1 研究背景与意义 | 第23-33页 |
1.2 国内外相关工作研究进展 | 第33-45页 |
1.2.1 传感器优化布置国内外研究进展 | 第33-39页 |
1.2.2 结构损伤识别国内外研究进展 | 第39-45页 |
1.3 本文研究内容 | 第45-48页 |
2 基于小生境蛙跳算法的三维加速度传感器优化布置方法 | 第48-76页 |
2.1 引言 | 第48-49页 |
2.2 优化目标函数的推导 | 第49-52页 |
2.3 混合蛙跳算法 | 第52-54页 |
2.3.1 种群初始化 | 第53页 |
2.3.2 子种群的划分 | 第53页 |
2.3.3 局部搜索 | 第53-54页 |
2.3.4 混合运算 | 第54页 |
2.4 小生境蛙跳算法 | 第54-63页 |
2.4.1 种群初始化 | 第55-58页 |
2.4.2 子种群划分 | 第58-59页 |
2.4.3 小生境构造 | 第59-60页 |
2.4.4 梯度式局部搜索 | 第60-62页 |
2.4.5 混合运算 | 第62页 |
2.4.6 程序终止条件 | 第62-63页 |
2.5 工程算例 | 第63-65页 |
2.6 结果与讨论 | 第65-75页 |
2.6.1 传感器布置数量 | 第65-66页 |
2.6.2 控制参数的研究 | 第66-67页 |
2.6.3 种群生成过程对比 | 第67-70页 |
2.6.4 小生境过程测试 | 第70-71页 |
2.6.5 梯度式局部搜索测试 | 第71-72页 |
2.6.6 与其他算法对比分析 | 第72-75页 |
2.7 本章小结 | 第75-76页 |
3 复杂噪声环境下基于结构振动模态的AMUSE损伤识别方法 | 第76-101页 |
3.1 引言 | 第76页 |
3.2 信号采集与噪声混杂 | 第76-80页 |
3.2.1 信号数据的处理思路 | 第77-78页 |
3.2.2 可逆模态信息波的计算过程 | 第78-80页 |
3.3 数据处理与识别损伤 | 第80-88页 |
3.3.1 估计信号源 | 第80-86页 |
3.3.2 损伤识别计算 | 第86-88页 |
3.4 工程实例 | 第88-90页 |
3.5 结果与讨论 | 第90-99页 |
3.6 本章小结 | 第99-101页 |
4 基于位移重构滤波器与随机扰动荷载的多层结构链式模型损伤识别方法 | 第101-131页 |
4.1 引言 | 第101-104页 |
4.2 重构问题的变分形式 | 第104-110页 |
4.2.1 频域积分式位移重构 | 第104-106页 |
4.2.2 控制方程与传递函数 | 第106-110页 |
4.3 FIR滤波器设计与准确度分析 | 第110-120页 |
4.3.1 FIR滤波器设计 | 第110-117页 |
4.3.2 准确度分析 | 第117-120页 |
4.4 损伤识别计算 | 第120-129页 |
4.4.1 模拟外界随机扰动环境 | 第121-123页 |
4.4.2 定义损伤变量 | 第123-129页 |
4.5 本章小结 | 第129-131页 |
5 多层结构链式模型损伤识别方法的实例分析 | 第131-172页 |
5.1 引言 | 第131页 |
5.2 位移重构滤波器的滤波效果及抗噪性分析 | 第131-141页 |
5.2.1 简单正弦加速度函数位移重构 | 第131-134页 |
5.2.2 单自由度体系在粘滞阻尼下简谐激励强迫振动的位移重构 | 第134-141页 |
5.3 多层结构链式模型损伤识别过程的实例分析 | 第141-170页 |
5.3.1 多层钢框架模型描述 | 第141-142页 |
5.3.2 结构无损伤状态下的计算 | 第142-155页 |
5.3.3 结构有损伤状态下的计算 | 第155-160页 |
5.3.4 噪声条件下无位移重构滤波的损伤识别 | 第160-166页 |
5.3.5 噪声条件下有位移重构滤波的损伤识别 | 第166-170页 |
5.4 本章小结 | 第170-172页 |
6 结论与展望 | 第172-177页 |
6.1 结论 | 第172-174页 |
6.2 创新点 | 第174-175页 |
6.3 展望 | 第175-177页 |
7 参考文献 | 第177-190页 |
8 附录A近五十年来世界范围内典型建筑结构垮塌事件 | 第190-194页 |
攻读博士学位期间科研项目及科研成果 | 第194-196页 |
致谢 | 第196页 |