| 1 绪论 | 第1-15页 |
| 1．1 结构动力检测研究背景和意义 | 第7-8页 |
| 1．2 结构动力检测法研究方法概述 | 第8-12页 |
| 1．2．1 基本思想 | 第8页 |
| 1．2．2 方法分类 | 第8-12页 |
| 1．3 神经网络法的应用综述 | 第12-13页 |
| 1．4 本论文研究内容 | 第13-15页 |
| 2 神经网络原理及损伤检测能力 | 第15-29页 |
| 2．1 神经网络概述 | 第15-20页 |
| 2．1．1 生物神经元 | 第16-17页 |
| 2．1．2 人工神经元 | 第17-18页 |
| 2．1．3 人工神经网络 | 第18-20页 |
| 2．2 神经网络基本原理 | 第20-27页 |
| 2．2．1 经典BP算法 | 第21-23页 |
| 2．2．2 BP网络的改进 | 第23-25页 |
| 2．2．3 Levenberg-MarquardtBP算法 | 第25-27页 |
| 2．3 神经网络的损伤检测能力 | 第27-29页 |
| 3 结构动力特性分析与检测 | 第29-43页 |
| 3．1 结构动力分析基本原理 | 第30-32页 |
| 3．1．1 特征值（频率） | 第30-31页 |
| 3．1．2 特征向量（振型或模态向量） | 第31-32页 |
| 3．2 模态分析技术 | 第32-36页 |
| 3．2．1 ANSYS软件的模态分析 | 第33-32页 |
| 3．2．2 试验模态分析 | 第32-36页 |
| 3．3 结构损伤与模态参数的关系 | 第36-43页 |
| 3．3．1 模态参数变换形式 | 第36-39页 |
| 3．3．2 损伤前后模态参数的变化分析 | 第39-43页 |
| 4 神经网络检测模型的构建和算例分析 | 第43-57页 |
| 4．1 损伤检测模型的确定 | 第43-46页 |
| 4．1．1 检测分析模型 | 第44页 |
| 4．1．2 样本集 | 第44页 |
| 4．1．3 输入参数 | 第44-45页 |
| 4．1．4 隐层 | 第45页 |
| 4．1．5 输出层 | 第45-46页 |
| 4．2 分级神经网络的构造 | 第46-47页 |
| 4．2．1 损伤类型检测 | 第46-47页 |
| 4．2．2 损伤杆件定位 | 第47页 |
| 4．2．3 损伤程度评估 | 第47页 |
| 4．3 数值算例 | 第47-57页 |
| 4．3．1 损伤层的识别 | 第48-49页 |
| 4．3．2 层内损伤杆件位置的识别 | 第49-55页 |
| 4．3．3 杆件损伤程度的识别 | 第55-57页 |
| 5 总结与展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-60页 |