声明
摘要
第一章 绪论
1.1 结构损伤识别的研究背景
1.2 结构损伤识别研究的发展与现状
1.3 结构损伤识别的方法
1.3.1 基于结构固有频率的损伤识别方法
1.3.2 基于模态振型变化的损伤识别方法
1.3.3 基于结构柔度矩阵变化观测的结构损伤识别方法
1.3.4 基于模态参数的损伤识别方法
1.3.5 人工神经网络算法
1.3.6 基于遗传算法的损伤识别方法
1.4 本文研究的主要内容
第二章 小波分析基本理论
2.1 引言
2.2 傅里叶变换和窗口傅立叶变换
2.3 连续小波变换
2.3.1 连续小波变换主要性质
2.3.2 连续小波变换的频率特性
2.3.3 连续小波变换的尺度特性
2.4 离散小波变换
2.5 常用的小波函数
2.5.1 Daubechies小波
2.5.2 Mexico草帽小波
2.5.3 Gaussian小波
2.5.4 Hear小波
第三章 神经网络基本理论
3.1 引言
3.2 人工神经网络
3.2.1 人工神经网络的工作机理
3.2.2 人工神经网络的特点
3.3 BP神经网络
3.3.1 BP神经网络的介绍
3.3.2 BP神经网络的算法
3.3.3 BP神经网络的结构确定
3.4 BP神经网络存在的问题
第四章 基于曲率模态的小波神经网络的结构损伤识别原理
4.1 小波变换对信号奇异性检测的基本原理
4.1.1 信号奇异性的性质
4.1.2 小波变换识别奇异点位置的方法
4.2 基于曲率模态小波变换的损伤识别原理
4.3 基于BP神经网路的损伤识别
4.3.1 网络输入参数的选取
4.3.2 样本数据的处理
4.4 小波基的选择
第五章 基于小波神经网络的简单框架损伤识别
5.1 引言
5.2 一层一跨框架的损伤位置识别
5.2.1 一层一跨框架的有限元模型
5.2.2 利用小波分析对结构损伤定位
5.3 一层一跨框架结构的损伤程度识别
5.3.1 BP神经网络的构建
5.3.2 利用国有频率作为神经网络的输入参数
5.3.3 利用神经网络确定损伤的程度
5.3.4 BP神经网络的测试结果输出
5.3.5 结果分析
5.4 一层两跨框架的损伤位置识别
5.4.1 一层两跨框架有限元模型
5.4.2 利用小波分析对结构损伤定位
5.5 一层两跨框架结构的损伤程度识别
5.5.1 BP神经网络的构建
5.5.2 利用固有频率作为神经网络的输入参数
5.5.3 利用神经网络确定损伤的程度
5.5.4 BP神经网络的测试结果输出
5.5.5 结果分析
第六章 基于小波神经网络的复杂框架损伤识别
6.1 引言
6.2 两层一跨框架的损伤位置识别
6.2.1 两层一跨框架有限元模型
6.2.2 利用小波分析对结构损伤定位
6.3 两层一跨框架结构的损伤程度识别
6.3.1 BP神经网络的构建
6.3.2 利用固有频率作为神经网络的输入参数
6.3.3 利用神经网络确定损伤的程度
6.3.4 BP神经网络的测试结果输出
6.3.5 结果分析
6.4 两层两跨框架的损伤位置识别
6.4.1 两层两跨框架有限元模型
6.4.2 利用小波分析对结构损伤定位
6.5 两层一跨框架结构的损伤程度识别
6.5.1 BP神经网络的构建
6.5.2 利用固有频率作为神经网络的输入参数
6.5.3 利用神经网络确定损伤的程度
6.5.4 BP神经网络的测试结果输出
6.5.5 结果分析
结论与展望
7.1 结论
7.2 展望
参考文献
致谢
附录 (攻读硕士期间发表论文和参加的项目工作)