| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 图目录 | 第12-14页 |
| 表目录 | 第14-15页 |
| 第1章 绪论 | 第15-23页 |
| ·本课题的提出和设想 | 第15-16页 |
| ·人工神经网络在土木工程领域的应用现状 | 第16-19页 |
| ·小波理论在土木工程领域的应用现状 | 第19页 |
| ·复杂荷载作用下结构动力稳定性的研究 | 第19-20页 |
| ·本文的主要研究内容及研究思路 | 第20-23页 |
| 第2章 人工神经网络和小波分析理论 | 第23-49页 |
| ·人工神经网络概述 | 第23-26页 |
| ·神经网络的发展概况 | 第23-24页 |
| ·神经网络的工作原理 | 第24-26页 |
| ·径向基函数神经网络 | 第26-31页 |
| ·网络结构 | 第26-28页 |
| ·学习算法 | 第28-31页 |
| ·径向基函数神经网络的一种有效在线学习算法(P-RAN) | 第31-35页 |
| ·概述 | 第31-32页 |
| ·网络结构及原理分析 | 第32-35页 |
| ·概率神经网络 | 第35-38页 |
| ·概述 | 第35-36页 |
| ·网络结构 | 第36-38页 |
| ·神经网络数据的前后处理 | 第38-42页 |
| ·小波分析 | 第42-49页 |
| ·概述 | 第42-43页 |
| ·多分辨率分析 | 第43-45页 |
| ·小波分析对振动信号动力特性的提取 | 第45-49页 |
| 第3章 基于概率神经网络的结构动力稳定特性的预测方法 | 第49-63页 |
| ·概述 | 第49页 |
| ·基于概率神经网络的动力稳定性的预测方法 | 第49-53页 |
| ·地震波小波能量特征提取 | 第49-53页 |
| ·预测方法描述 | 第53页 |
| ·算例 | 第53-61页 |
| ·问题描述 | 第53-54页 |
| ·数据准备 | 第54-56页 |
| ·基于概率神经网络的预测 | 第56-59页 |
| ·预测结果分析 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 第4章 基于改进 P-RAN算法的结构动力稳定特性预测算法 | 第63-89页 |
| ·概述 | 第63页 |
| ·基于改进P-RAN算法的动力稳定性的预测方法 | 第63-72页 |
| 4 2.1 P-RAN算法的改进 | 第63-67页 |
| ·改进后P-RAN算法的性能分析 | 第67-71页 |
| ·预测方法描述 | 第71-72页 |
| ·算例 | 第72-79页 |
| ·概述 | 第72-73页 |
| ·试验模型的设计 | 第73-75页 |
| ·试验数据分析及 P-RAN算法预测 | 第75-79页 |
| ·小波分析对结构失稳信号的提取 | 第79-87页 |
| ·本章小结 | 第87-89页 |
| 第5章 结语 | 第89-91页 |
| 参考文献 | 第91-95页 |
| 附录 A基于ANSYS的单层扁网壳稳定性判别 | 第95-103页 |
| A.1 模型建立 | 第95-96页 |
| A.2 数据分析 | 第96-101页 |
| A.2.1 峰值为0.7g的情况 | 第97-98页 |
| A.2.2 峰值为0.5g的情况 | 第98-100页 |
| A.2.3 峰值为0.3g的情况 | 第100-101页 |
| A.3 小结 | 第101-103页 |
| 致谢 | 第103页 |
