基于小波神经网络的预应力混凝土梁桥健康状态模拟分析
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·桥梁健康监测的背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·预应力长期损失预测研究现状 | 第10-11页 |
| ·桥梁整体刚度损失研究现状 | 第11-12页 |
| ·本文研究内容和方法 | 第12-13页 |
| ·本文的主要内容及创新之处 | 第13-14页 |
| ·本文的主要内容 | 第13页 |
| ·论文的创新之处 | 第13-14页 |
| ·本文的结构安排 | 第14-15页 |
| 第二章 小波神经网络 | 第15-29页 |
| ·人工神经网络简介 | 第15-19页 |
| ·人工神经网络的结构 | 第16-17页 |
| ·人工神经网络学习算法 | 第17-19页 |
| ·小波变换理论 | 第19-23页 |
| ·小波变化概念 | 第19-20页 |
| ·小波变换的基本性质 | 第20-21页 |
| ·连续小波的离散化 | 第21页 |
| ·常用的小波函数 | 第21-23页 |
| ·小波神经网络 | 第23-28页 |
| ·小波神经网络的发展 | 第23-24页 |
| ·小波神经网络结构及算法 | 第24-26页 |
| ·小波神经网络输入数据预处理 | 第26-27页 |
| ·小波神经网络 MATLAB 实现 | 第27页 |
| ·小波神经网络面临的问题 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于小波神经网络的预应力长期损失预测 | 第29-48页 |
| ·预应力损失主要监测方法简介 | 第29-30页 |
| ·工程概况 | 第30-32页 |
| ·预应力损失模拟分析 | 第32-35页 |
| ·考虑不同预应力损失的节点应力模拟分析 | 第32-33页 |
| ·考虑预应力长期损失的节点应力模拟分析 | 第33-35页 |
| ·小波神经网络的建立 | 第35-42页 |
| ·学习样本预处理 | 第35-36页 |
| ·小波神经网络权值和伸缩平移因子的确定 | 第36-38页 |
| ·小波神经网络 MATLAB 实现 | 第38-39页 |
| ·小波神经网络隐层节点数的确定 | 第39-42页 |
| ·考虑预应力长期损失的节点应力仿真分析 | 第42-43页 |
| ·模拟数据与理论数据对比分析 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于小波神经网络的桥梁整体刚度变化分析 | 第48-68页 |
| ·桥梁刚度退化原因分析 | 第48页 |
| ·位移数据的获取以及预处理 | 第48-50页 |
| ·小波神经网络的建立 | 第50-56页 |
| ·模拟数据仿真分析 | 第56-67页 |
| ·疲劳荷载作用对桥梁刚度的影响 | 第57-58页 |
| ·交通量预测 | 第58-60页 |
| ·疲劳和预应力损失共同作用对桥梁刚度的影响 | 第60-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |
