结构健康监测与智能信息处理技术及应用PDF电子书下载

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1 233

6.7.3 工程应用实例2 239

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