声明
致谢
摘要
第1章 绪论
1.1 选题背景
1.2 结构健康监测系统及其发展现状
1.3 基于动力测试的结构损伤识别方法概述
1.3.1 动力模态指纹法
1.3.2 有限元模型修正法
1.3.3 物理参数识别法
1.3.4 振动信号时频分析法
1.3.5 模式分类法
1.3.6 时间序列分析方法
1.4 本文研究方向的提出
1.4.1 统计理论在结构损伤识别方法中的应用
1.4.2 结构动力响应互相关函数的相关研究
1.4.3 文本的研究方向
1.5 本文研究的主要内容及创新点
1.5.1 文本研究的主要内容
1.5.2 文本研究的创新点
第2章 动力响应互相关函数幅值向量的固形原理
2.1 引言
2.2 理想白噪声作用下结构动力响应互相关函数的表达式
2.2.1 结构位移响应互相关函数
2.2.2 加速度响应互相关函数
2.2.3 速度响应互相关函数
2.3 有限带宽白噪声激励对结构动力响应互相关函数的影响
2.3.1 有限带宽白噪声激励的自相关函数
2.3.2 对结构动力响应互相关函数的修正
2.4 互相关函数幅值向量的定义及其固形原理
2.4.1 互相关函数幅值向量的定义
2.4.2 互相关函数幅值向量曲线的固形原理
2.5 本章小结
第3章 基于动力响应互相关函数幅值的结构损伤识别方法
3.1 引言
3.2 结构损伤识别方法
3.2.1 损伤的初判
3.2.2 损伤的定位及程度量化
3.2.3 损伤识别方法使用中的问题讨论
3.3 数值算例
3.4 框架模型试验及分析
3.4.1 模型及损伤模拟
3.4.2 激振设备及振动测试系统
3.4.3 数据整理及损伤识别
3.4.4 试验总结
3.5 本章小结
第4章 小波包分解与支持向量机在结构损伤识别中的应用
4.1 引言
4.2 小波理论
4.2.1 小波变换及其重要特性
4.2.2 小波变换与傅里叶变换、短时傅里叶变换的比较
4.2.3 小波包分析
4.3 支持向量机理论基础
4.3.1 小样本机器学习中的主要问题
4.3.2 小样本机器学习问题的解决——统计学习理论
4.3.3 支持向量机的引入及其基本思想
4.4 基于小波变换与支持向量机的结构损伤识别方法
4.4.1 小波包分解与特征向量的提取
4.4.2 建立支持向量机
4.5 试验分析
4.6 本章小结
第5章 动力响应互相关函数与支持向量机结合在结构损伤识别中的应用
5.1 引言
5.2 结构健康监测的Benchmark问题
5.2.1 Benchmark模型及数值模拟研究
5.2.2 Benchmark模型试验研究
5.2.3 国内外基于Benchmark模型的损伤识别研究
5.3 动力响应互相关函数与支持向量机结合的损伤识别方法
5.3.1 结构动力响应及其互相关函数在损伤特征提取中的比较
5.3.2 基于互相关函数的支持向量机特征值提取
5.3.3 基于互相关函数的支持向量建立
5.4 Benchmark模型Ⅱe阶段算例分析
5.4.1 互相关函数及其幅值向量分析
5.4.2 互相关函数的小波包分解与支持向量机结合的损伤识别
5.5 互相关函数分析与支持向量机结合的两阶段损伤识别方法
5.5.1 支持向量机结合的模式分类损伤识别方法存在的不足
5.5.2 两阶段结构损伤识别方法
5.6 本章小结
第6章 结论与建议
6.1 结论
6.2 建议
参考文献
作者简历
学位论文数据集