結構健康監(jiān)測與智能信息處理技術及應用

第一章  緒論
  1.1 結構健康監(jiān)測的背景與意義
  1.2 結構健康監(jiān)測的發(fā)展與應用現狀
    1.2.1 結構健康監(jiān)測系統的組成
    1.2.2 結構健康監(jiān)測／檢測的發(fā)展歷程
    1.2.3 結構健康監(jiān)測系統的應用現狀
    1.2.4 結構健康監(jiān)測系統的展望
  1.3 智能信息處理技術的發(fā)展與應用現狀
    1.3.1 智能信息處理技術的發(fā)展歷程
    1.3.2 智能信息處理技術在損傷檢測中的應用現狀
    1.3.3 智能信息處理技術的展望
  參考文獻
第二章  結構健康監(jiān)測／檢測技術
  2.1 傳統無損檢測技術
    2.1.1 超聲檢測技術
    2.1.2 射線檢測技術
    2.1.3 渦流檢測技術
    2.1.4 聲發(fā)射檢測技術
    2.1.5 紅外檢測技術
  2.2 基于振動的無損檢測技術
    2.2.1 基本原理
    2.2.2 檢測方法
    2.2.3 發(fā)展概況
  2.3 基于統計識別檢測技術
    2.3.1 基本原理
    2.3.2 識別方法
    2.3.3 識別流程
    2.3.4 發(fā)展概況
  2.4 光纖健康監(jiān)測技術
    2.4.1 光纖基本知識
    2.4.2 光纖傳感基本原理
    2.4.3 光纖光柵傳感器的應用
    2.4.4 發(fā)展概況
  2.5 壓電智能傳感檢測技術
    2.5.1 基本概念
    2.5.2 基本原理
    2.5.3 診斷方法
    2.5.4 應用概況
  2.6 GPS監(jiān)測技術
    2.6.1 GPS定位技術
    2.6.2 GPS中RTK技術
    2.6.3 GPS結構健康監(jiān)測技術
    2.6.4 應用概況
  2.7 智能信息處理技術
  參考文獻
第三章  現代信號處理技術及應用
  3.1 傅里葉變換與自互譜法
    3.1.1 傅里葉變換
    3.1.2 短時傅里葉變換
    3.1.3 自互譜法
  3.2 Wigner-Ville變換
  3.3 小波分析
    3.3.1 小?分析基本原理
    3.3.2 工程應用
  3.4 小波包分析
    3.4.1 基本原理
    3.4.2 工程應用
  3.5 希-黃變換
    3.5.1 希-黃變換基本原理
    3.5.2 改進希-黃變換基本原理
    3.5.3 工程應用
  3.6 盲源分離
    3.6.1 盲源分離基本原理
    3.6.2 主要算法
    3.6.3 工程應用
  3.7 結構健康監(jiān)測與檢測中的實測數據處理
    3.7.1 應變
    3.7.2 位移、速度與加速度
    3.7.3 溫度
    3.7.4 風
    3.7.5 其他測試物理量
  參考文獻
第四章  數據預處理與特征選擇／提取技術
  4.1 數據預處理
    4.1.1 數據清理
    4.1.2 數據集成
    4.1.3 數據轉換
    4.1.4 數據歸約
    4.1.5 數據壓縮
  4.2 特征篩選與評判標準
    4.2.1 特征相關分析
    4.2.2 特征選擇及搜索算法
    4.2.3 特征評估
  4.3 特征選擇與提取
    4.3.1 主組分分析
    4.3.2 核主組分分析
    4.3.3 基于神經網絡的特征選擇與提取
  4.4 動力特征參數與指紋
    4.4.1 固有頻率
    4.4.2 模態(tài)保證標準與坐標模態(tài)保證標準
    4.4.3 曲率模態(tài)
    4.4.4 模態(tài)應變能
    4.4.5 曲率差損傷指標Z值
    4.4.6 模態(tài)柔度
    4.4.7 指標歸一變化比
    4.4.8 基于小波包能量指紋
  4.5 鋼管混凝土拱橋特征提取與損傷檢測
    4.5.1 拱橋模型與損傷模擬
    4.5.2 環(huán)境因素影響
    4.5.3 基于動力指紋的損傷識別
    4.5.4 各參數的識別結果
    4.5.5 比較與討論
  參考文獻
第五章  神經網絡技術及應用
  5.1 神經網絡理論
    5.1.1 神經網絡模型
    5.1.2 實現?制
    5.1.3 典型神經網絡模型
    5.1.4 BP網絡模型相關問題的探討
    5.1.5 神經網絡的輸人選擇原則
  5.2 神經網絡用于結構損傷檢測的適應性、原理及應用
    5.2.1 適應性
    5.2.2 基本原理
    5.2.3 工程應用進展
  5.3 基于概率神經網絡的結構損傷檢測
    5.3.1 傳統概率神經網絡
    5.3.2 自適應概率神經網絡
    5.3.3 主組分概率神經網絡
    5.3.4 工程應用實例
  5.4 基于小波神經網絡的結構損傷檢測
    5.4.1 小波概率神經網絡
    5.4.2 自適應小波概率神經網絡
    5.4.3 小波函數的選擇對損傷檢測的影響
    5.4.4 工程應用實例
  5.5 基于模糊神經網絡的結構損傷檢測
    5.5.1 模糊神經網絡
    5.5.2 自適應神經網絡模糊系統
    5.5.3 結構損傷檢測方法
    5.5.4 工程應用實例
  5.6 基于粗糙集神經網絡的結構損傷檢測
    5.6.1 粗糙集的基本理論
    5.6.2 粗糙集與神經網絡的融合
    5.6.3 損傷檢測方法
    5.6.4 工程應用實例
  參考文獻
第六章  數據融合技術及應用
  6.1 數據融合基本理論
    6.1.1 基本原理
    6.1.2 功能模型
    6.1.3 體系結構
    6.1.4 層次結構
  6.2 數據融合算法
    6.2.1 物理模型類識別算法
    6.2.2 基于特征的推理技術
    6.2.3 基于模型類識別算法
    6.2.4 D-S證據理論
  6.3 數據融合用于結構健康監(jiān)測／檢測中的適應性
  6.4 基于小波包分解的數據融合損傷檢測
    6.4.1 損傷檢測方法
    6.4.2 自適應加權融合算法
    6.4.3 工程應用實例
  6.5 基于小波分解與概率神經網絡的數據融合損傷檢測
    6.5.1 損傷檢測方法
    6.5.2 工程應用實例
  6.6 基于模糊神經網絡和加權平均的數據融合損傷檢測
    6.6.1 損傷檢測方法
    6.6.2 工程應用實例
  6.7 基于神經網絡和D-S證據理論的數據融合損傷檢測
    6.7.1 損傷檢測方法
    6.7.2 工程應用實例1
    6.7.3 工程應用實例2
  參考文獻
第七章  土木工程結構健康監(jiān)測工程實施
  7.1 橋梁結構健康監(jiān)測系統方案設計
    7.1.1 總體設計原則
    7.1.2 實時監(jiān)測內容的選擇
    7.1.3 主要參數的監(jiān)測方法
  7.2 超高層建筑結構健康監(jiān)測系統方案設計
    7.2.1 系統概述
    7.2.2 系統組成
  7.3 地鐵施工監(jiān)測方案設計
    7.3.1 監(jiān)測流程
    7.3.2 測點布置
  7.4 隧道施工監(jiān)測方案設計
    7.4.1 超前地質預報
    7.4.2 監(jiān)控量測
    7.4.3 隧道施工過程質量控制
    7.4.4 施工監(jiān)控實施方案
  7.5 大跨橋梁結構健康監(jiān)測
    7.5.1 大佛寺長江大橋
    7.5.2 潤揚長江大橋
  7.6 空間結構與超高層建筑健康監(jiān)測
    7.6.1 空間網架結構
    7.6.2 超高層建筑
  7.7 地鐵施工監(jiān)測
    7.7.1 系統的結構設計
    7.7.2 系統的功能設計
    7.7.3 分布式數據庫設計
    7.7.4 工程實例
  7.8 隧道施工監(jiān)測
    7.8.1 系統設計
    7.8.2 工程實例
參考文獻