| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-18页 |
| ·本文的研究背景与目的 | 第9-11页 |
| ·模式识别在桥梁结构损伤识别中的应用研究现状 | 第11-16页 |
| ·人工神经网络方法 | 第12-14页 |
| ·支持向量机方法 | 第14-16页 |
| ·本文的课题来源 | 第16页 |
| ·本文的研究内容 | 第16-18页 |
| 第二章 面向损伤识别的斜拉桥有限元模型的建立 | 第18-25页 |
| ·模型斜拉桥简介 | 第18-19页 |
| ·工程背景 | 第18页 |
| ·模型斜拉桥简介 | 第18-19页 |
| ·面向损伤识别的有限元模型的建立 | 第19-24页 |
| ·初始有限元模型的建立 | 第20-21页 |
| ·成桥状态的实现 | 第21-24页 |
| ·本章小节 | 第24-25页 |
| 第三章 基于 BP 神经网络的斜拉桥主梁损伤识别 | 第25-54页 |
| ·BP 神经网络介绍 | 第25-30页 |
| ·神经元模型 | 第25-27页 |
| ·网络结构 | 第27-28页 |
| ·BP 神经网络及其算法 | 第28-30页 |
| ·基于 BP 网络的结构损伤识别基本步骤 | 第30-31页 |
| ·主梁损伤的有限元模拟 | 第31-32页 |
| ·神经网络的优化设计 | 第32-35页 |
| ·神经网络输入参数的选择 | 第33页 |
| ·神经网络输出量的优化表示 | 第33-34页 |
| ·隐藏层数和隐藏层节点数的确定 | 第34-35页 |
| ·最敏感斜拉索张力指标 | 第35-37页 |
| ·灵敏度分析 | 第36-37页 |
| ·斜拉索张力指标 | 第37页 |
| ·基于 BP 神经网络斜拉桥主梁损伤位置识别 | 第37-52页 |
| ·最敏感索的确定 | 第38页 |
| ·最敏感索张力指标对主梁损伤的敏感性分析 | 第38-48页 |
| ·样本集的准备 | 第48页 |
| ·BP 神经网络的建立 | 第48-49页 |
| ·识别结果分析 | 第49-52页 |
| ·本章小结 | 第52-54页 |
| 第四章 基于粒子群优化支持向量机的斜拉桥主梁损伤识别 | 第54-66页 |
| ·支持向量机分类算法 | 第54-57页 |
| ·线性可分模式的最优分类超平面 | 第54-56页 |
| ·非线性可分模式的最优分类超平面 | 第56-57页 |
| ·支持向量机的实现 | 第57-58页 |
| ·支持向量机类型的选择 | 第57页 |
| ·核函数及其参数的选择 | 第57-58页 |
| ·基于粒子群算法的支持向量机参数优化 | 第58-60页 |
| ·粒子群算法 | 第58-59页 |
| ·基于粒子群算法的支持向量机参数优化 | 第59-60页 |
| ·基于粒子群优化支持向量机斜拉桥主梁损伤位置识别 | 第60-63页 |
| ·主要流程 | 第60页 |
| ·数值模拟 | 第60-63页 |
| ·两种损伤识别方法的计算结果比较 | 第63-65页 |
| ·本章小节 | 第65-66页 |
| 第五章 结论与展望 | 第66-68页 |
| ·结论 | 第66-67页 |
| ·展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第73页 |