结构健康监测与智能信息处理技术及应用PDF|Epub|txt|kindle电子书版本网盘下载

结构健康监测与智能信息处理技术及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 绪论1

1.1 结构健康监测的背景与意义1

1.2 结构健康监测的发展与应用现状2

1.2.1 结构健康监测系统的组成2

1.2.2 结构健康监测／检测的发展历程3

1.2.3 结构健康监测系统的应用现状5

1.2.4 结构健康监测系统的展望9

1.3 智能信息处理技术的发展与应用现状10

1.3.1 智能信息处理技术的发展历程10

1.3.2 智能信息处理技术在损伤检测中的应用现状11

1.3.3 智能信息处理技术的展望23

参考文献23

第二章 结构健康监测／检测技术33

2.1 传统无损检测技术33

2.1.1 超声检测技术33

2.1.2 射线检测技术38

2.1.3 涡流检测技术42

2.1.4 声发射检测技术46

2.1.5 红外检测技术50

2.2 基于振动的无损检测技术52

2.2.1 基本原理52

2.2.2 检测方法53

2.2.3 发展概况54

2.3 基于统计识别检测技术54

2.3.1 基本原理54

2.3.2 识别方法55

2.3.3 识别流程56

2.3.4 发展概况57

2.4 光纤健康监测技术57

2.4.1 光纤基本知识57

2.4.2 光纤传感基本原理59

2.4.3 光纤光栅传感器的应用60

2.4.4 发展概况62

2.5 压电智能传感检测技术62

2.5.1 基本概念62

2.5.2 基本原理63

2.5.3 诊断方法64

2.5.4 应用概况65

2.6 GPS监测技术67

2.6.1 GPS定位技术67

2.6.2 GPS中RTK技术67

2.6.3 GPS结构健康监测技术68

2.6.4 应用概况70

2.7 智能信息处理技术70

参考文献70

第三章 现代信号处理技术及应用74

3.1 傅里叶变换与自互谱法74

3.1.1 傅里叶变换74

3.1.2 短时傅里叶变换75

3.1.3 自互谱法76

3.2 Wigner-Ville变换77

3.3 小波分析78

3.3.1 小波分析基本原理79

3.3.2 工程应用84

3.4 小波包分析85

3.4.1 基本原理85

3.4.2 工程应用87

3.5 希—黄变换89

3.5.1 希—黄变换基本原理89

3.5.2 改进希—黄变换基本原理92

3.5.3 工程应用95

3.6 盲源分离97

3.6.1 盲源分离基本原理97

3.6.2 主要算法98

3.6.3 工程应用100

3.7 结构健康监测与检测中的实测数据处理100

3.7.1 应变101

3.7.2 位移、速度与加速度103

3.7.3 温度106

3.7.4 风108

3.7.5 其他测试物理量109

参考文献110

第四章 数据预处理与特征选择／提取技术115

4.1 数据预处理115

4.1.1 数据清理115

4.1.2 数据集成116

4.1.3 数据转换116

4.1.4 数据归约117

4.1.5 数据压缩120

4.2 特征筛选与评判标准121

4.2.1 特征相关分析121

4.2.2 特征选择及搜索算法122

4.2.3 特征评估126

4.3 特征选择与提取129

4.3.1 主组分分析129

4.3.2 核主组分分析130

4.3.3 基于神经网络的特征选择与提取132

4.4 动力特征参数与指纹134

4.4.1 固有频率135

4.4.2 模态保证标准与坐标模态保证标准136

4.4.3 曲率模态137

4.4.4 模态应变能138

4.4.5 曲率差损伤指标Z值140

4.4.6 模态柔度141

4.4.7 指标归一变化比141

4.4.8 基于小波包能量指纹142

4.5 钢管混凝土拱桥特征提取与损伤检测143

4.5.1 拱桥模型与损伤模拟143

4.5.2 环境因素影响144

4.5.3 基于动力指纹的损伤识别144

4.5.4 各参数的识别结果145

4.5.5 比较与讨论154

参考文献154

第五章 神经网络技术及应用156

5.1 神经网络理论156

5.1.1 神经网络模型156

5.1.2 实现机制160

5.1.3 典型神经网络模型162

5.1.4 BP网络模型相关问题的探讨169

5.1.5 神经网络的输入选择原则172

5.2 神经网络用于结构损伤检测的适应性、原理及应用177

5.2.1 适应性177

5.2.2 基本原理177

5.2.3 工程应用进展179

5.3 基于概率神经网络的结构损伤检测180

5.3.1 传统概率神经网络180

5.3.2 自适应概率神经网络181

5.3.3 主组分概率神经网络182

5.3.4 工程应用实例182

5.4 基于小波神经网络的结构损伤检测184

5.4.1 小波概率神经网络185

5.4.2 自适应小波概率神经网络186

5.4.3 小波函数的选择对损伤检测的影响186

5.4.4 工程应用实例188

5.5 基于模糊神经网络的结构损伤检测189

5.5.1 模糊神经网络189

5.5.2 自适应神经网络模糊系统191

5.5.3 结构损伤检测方法193

5.5.4 工程应用实例194

5.6 基于粗糙集神经网络的结构损伤检测196

5.6.1 粗糙集的基本理论196

5.6.2 粗糙集与神经网络的融合199

5.6.3 损伤检测方法200

5.6.4 工程应用实例205

参考文献207

第六章 数据融合技术及应用212

6.1 数据融合基本理论212

6.1.1 基本原理212

6.1.2 功能模型213

6.1.3 体系结构213

6.1.4 层次结构214

6.2 数据融合算法216

6.2.1 物理模型类识别算法216

6.2.2 基于特征的推理技术216

6.2.3 基于模型类识别算法217

6.2.4 D-S证据理论218

6.3 数据融合用于结构健康监测／检测中的适应性220

6.4 基于小波包分解的数据融合损伤检测221

6.4.1 损伤检测方法221

6.4.2 自适应加权融合算法223

6.4.3 工程应用实例223

6.5 基于小波分解与概率神经网络的数据融合损伤检测224

6.5.1 损伤检测方法224

6.5.2 工程应用实例225

6.6 基于模糊神经网络和加权平均的数据融合损伤检测227

6.6.1 损伤检测方法227

6.6.2 工程应用实例229

6.7 基于神经网络和D-S证据理论的数据融合损伤检测231

6.7.1 损伤检测方法231

6.7.2 工程应用实例1233

6.7.3 工程应用实例2239

参考文献243

第七章 土木工程结构健康监测工程实施245

7.1 桥梁结构健康监测系统方案设计245

7.1.1 总体设计原则245

7.1.2 实时监测内容的选择246

7.1.3 主要参数的监测方法247

7.2 超高层建筑结构健康监测系统方案设计253

7.2.1 系统概述253

7.2.2 系统组成255

7.3 地铁施工监测方案设计257

7.3.1 监测流程257

7.3.2 测点布置259

7.4 隧道施工监测方案设计260

7.4.1 超前地质预报260

7.4.2 监控量测260

7.4.3 隧道施工过程质量控制261

7.4.4 施工监控实施方案261

7.5 大跨桥梁结构健康监测266

7.5.1 大佛寺长江大桥267

7.5.2 润扬长江大桥269

7.6 空间结构与超高层建筑健康监测271

7.6.1 空间网架结构271

7.6.2 超高层建筑276

7.7 地铁施工监测278

7.7.1 系统的结构设计278

7.7.2 系统的功能设计279

7.7.3 分布式数据库设计280

7.7.4 工程实例281

7.8 隧道施工监测283

7.8.1 系统设计283

7.8.2 工程实例287

参考文献290