基于时间序列的高速铁路斜拉桥主梁损伤识别研究
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 研究背景与目的 | 第8-9页 |
| 1.2 桥梁结构损伤识别研究现状 | 第9-15页 |
| 1.2.1 基于车致振动的结构损伤识别 | 第9-10页 |
| 1.2.2 基于神经网络的损伤识别 | 第10-13页 |
| 1.2.3 基于时间序列分析的损伤识别 | 第13-14页 |
| 1.2.4 基于索力响应指标的损伤识别 | 第14-15页 |
| 1.3 本文的课题来源 | 第15页 |
| 1.4 本文研究主要内容 | 第15-17页 |
| 第二章 高速铁路斜拉桥车致振动分析 | 第17-32页 |
| 2.1 面向损伤的车-桥耦合振动方程 | 第17-18页 |
| 2.2 轨道不平顺模拟 | 第18-19页 |
| 2.3 车桥耦合振动分析在ANSYS中的实现 | 第19-20页 |
| 2.4 车致振动响应分析 | 第20-24页 |
| 2.4.1 斜拉桥有限元模型 | 第20-23页 |
| 2.4.2 高速列车有限元模型 | 第23页 |
| 2.4.3 车桥耦合过程的实现 | 第23-24页 |
| 2.5 斜拉桥子结构振动响应分析 | 第24-31页 |
| 2.5.1 不同车速下主梁的动力响应 | 第25-27页 |
| 2.5.2 不同车速下桥塔的动应力 | 第27-29页 |
| 2.5.3 不同车速下的索力响应 | 第29-30页 |
| 2.5.4 不同车速下桥梁的冲击系数 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 基于斜拉索加速度响应的ARMA模型 | 第32-52页 |
| 3.1 ARMA模型的表达形式及其性质 | 第32-38页 |
| 3.2 数据的采集 | 第38-39页 |
| 3.2.1 采样时间间隔 | 第38页 |
| 3.2.2 样本长度的确定 | 第38-39页 |
| 3.3 时间序列数据特性及预处理 | 第39-42页 |
| 3.3.1 平稳性检验 | 第39-41页 |
| 3.3.2 零均值 | 第41页 |
| 3.3.3 正态性检验 | 第41-42页 |
| 3.3.4 标准化处理 | 第42页 |
| 3.4 模型参数估计 | 第42-44页 |
| 3.5 模型的定阶 | 第44-45页 |
| 3.6 数值验证 | 第45-51页 |
| 3.6.1 数据的采集 | 第45-47页 |
| 3.6.2 数据预处理 | 第47-48页 |
| 3.6.3 模型类型及阶数确定 | 第48-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第四章 基于神经网络与时间序列的主梁损伤识别 | 第52-71页 |
| 4.1 神经元模型 | 第52-53页 |
| 4.2 神经网络结构及算法 | 第53-55页 |
| 4.2.1 网络结构 | 第53-54页 |
| 4.2.2 BP神经网络及其算法 | 第54-55页 |
| 4.3 BP神经网络的建立 | 第55-56页 |
| 4.4 损伤敏感因子 | 第56-57页 |
| 4.5 斜拉桥的主梁损伤识别 | 第57-67页 |
| 4.5.1 斜拉桥主梁顶板损伤单元 | 第57-58页 |
| 4.5.2 神经网络训练与测试的样本集 | 第58-60页 |
| 4.5.3 BP神经网络形式的确定 | 第60-61页 |
| 4.5.4 损伤识别结果分析 | 第61-67页 |
| 4.6 主梁顶板不同区域的损伤识别度 | 第67-68页 |
| 4.7 主梁腹板的损伤识别 | 第68-70页 |
| 4.8 本章小结 | 第70-71页 |
| 第五章 结论与展望 | 第71-73页 |
| 5.1 结论 | 第71页 |
| 5.2 展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第79页 |
