| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第11-26页 |
| 1.1 目的和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-20页 |
| 1.2.1 结构健康监测的五个层次 | 第13页 |
| 1.2.2 基于振动信息的结构损伤识别方法 | 第13-17页 |
| 1.2.3 基于智能算法的结构损伤识别 | 第17-18页 |
| 1.2.4 基于深度学习算法的结构损伤识别方法 | 第18-20页 |
| 1.3 结构健康监测存在的问题 | 第20-21页 |
| 1.4 本文的研究目标和主要工作 | 第21-23页 |
| 1.5 本文的创新点 | 第23-24页 |
| 1.6 本文的组织 | 第24-26页 |
| 2 结构损伤检测算法评价指标 | 第26-43页 |
| 2.1 用于连续域的蚁群算法 | 第26-32页 |
| 2.1.1 概率密度函数 | 第28页 |
| 2.1.2 信息素的表达 | 第28-30页 |
| 2.1.3 基于蚁群算法的目标函数 | 第30-32页 |
| 2.2 基于连续蚁群算法损伤评估 | 第32-36页 |
| 2.2.1 单损伤的识别效果 | 第32-33页 |
| 2.2.2 单损伤且小损伤的识别效果 | 第33-34页 |
| 2.2.3 多损伤的识别效果 | 第34-35页 |
| 2.2.4 识别精度的考虑 | 第35页 |
| 2.2.5 损伤识别评估的总结 | 第35-36页 |
| 2.3 损伤指标的提出 | 第36-38页 |
| 2.4 损伤指标研究 | 第38-41页 |
| 2.4.1 单元准确率 | 第38-40页 |
| 2.4.2 单点准确率 | 第40页 |
| 2.4.3 记录准确率 | 第40-41页 |
| 2.5 本章小结 | 第41-43页 |
| 3 基于深度学习的结构损伤识别 | 第43-73页 |
| 3.1 深度学习的研究背景与理论依据 | 第43-47页 |
| 3.1.1 研究背景 | 第44页 |
| 3.1.2 理论依据 | 第44-47页 |
| 3.2 典型的深度学习结构 | 第47-54页 |
| 3.2.1 生成型深度结构 | 第48-49页 |
| 3.2.2 区分性深度结构 | 第49-54页 |
| 3.2.3 混合型结构 | 第54页 |
| 3.3 基于残差模块的卷积神经网络 | 第54-62页 |
| 3.3.1 残差神经网络 | 第54-55页 |
| 3.3.2 Leaky ReLU | 第55-56页 |
| 3.3.3 用于结构健康监测的卷积神经网络 | 第56-59页 |
| 3.3.4 模型预测过程 | 第59-62页 |
| 3.3.5 模型训练过程 | 第62页 |
| 3.4 损伤评价指标研究 | 第62-66页 |
| 3.4.1 单元准确率 | 第62-65页 |
| 3.4.2 单点准确率 | 第65页 |
| 3.4.3 记录准确率 | 第65-66页 |
| 3.5 基于单元卷积神经网络的结构健康监测 | 第66-71页 |
| 3.5.1 单元准确率 | 第68-70页 |
| 3.5.2 单点准确率 | 第70页 |
| 3.5.3 记录准确率 | 第70-71页 |
| 3.5.4 噪声对模型的影响 | 第71页 |
| 3.6 本章小结 | 第71-73页 |
| 4 环境因素影响下的结构健康监测 | 第73-93页 |
| 4.1 IASC-ASCE Benchmark模型 | 第73-75页 |
| 4.2 结构时域信号噪声分析 | 第75-79页 |
| 4.3 模拟真实数据的生成 | 第79-80页 |
| 4.4 损伤检测模型架构 | 第80-86页 |
| 4.4.1 双向循环神经网 | 第80-84页 |
| 4.4.2 Pooling | 第84页 |
| 4.4.3 特征加权 | 第84-86页 |
| 4.5 考虑环境因素的模型评价 | 第86-89页 |
| 4.5.1 单元准确率 | 第86-88页 |
| 4.5.2 单点准确率 | 第88页 |
| 4.5.3 记录准确率 | 第88-89页 |
| 4.5.4 噪声对模型的影响 | 第89页 |
| 4.6 噪声对模型影响对比 | 第89-91页 |
| 4.7 本章小结 | 第91-93页 |
| 5 结论与展望 | 第93-96页 |
| 5.1 结论 | 第93-95页 |
| 5.2 展望 | 第95-96页 |
| 附录 | 第96-116页 |
| (1)CNN算法计算结果 | 第96-98页 |
| (2)ACO算法计算结果 | 第98-100页 |
| (3)噪声分布统计情况 | 第100-102页 |
| (4)真实测量值与预测理论值(前100项) | 第102-105页 |
| (5)模型中间结果示例 | 第105-110页 |
| (6)部分关键代码 | 第110-116页 |
| 攻读博士学位期间发表的论文 | 第116-117页 |
| 致谢 | 第117-118页 |
| 参考文献 | 第118-125页 |