第 1 章 绪论 ………………………………………………………………………… 001 1 1 结构模态参数辨识的意义与基本任务 ……………………………… 002 1 2 仅基于响应的结构模态参数辨识发展现状 ………………………… 005 1 3 深度学习在反问题中的应用………………………………………… 026 第 2 章 时间序列模型………………………………………………………………… 031 2 1 引言 …………………………………………………………………… 032 2 2 ARMAX 模型 …………………………………………………… 033 2 3 TARMA 模型 …………………………………………………… 042 2 4 模态参数的计算 ……………………………………………………… 050 2 5 小结 …………………………………………………………………… 051 第 3 章 基于传递率的结构模态参数辨识方法 …………………………………… 053 3 1 引言 …………………………………………………………………… 054 3 2 传递率的概念与计算方法…………………………………………… 055 3 3 传递率的影响因素分析 ……………………………………………… 061 3 4 传递率在模态参数辨识中的应用 …………………………………… 065 3 5 仿真结果与比较分析 ………………………………………………… 076 3 6 小结 …………………………………………………………………… 092 第 4 章 基于信号分解的结构模态参数辨识方法 ………………………………… 095 4 1 引言 …………………………………………………………………… 096 4 2 非平稳信号分析与分解 ……………………………………………… 097 4 3 基于统计特性的谐波响应检测……………………………………… 101 4 4 时变结构密频模态检测与辨识……………………………………… 103 4 5 仿真结果与分析 ……………………………………………………… 105 4 6 小结 …………………………………………………………………… 116 第 5 章 基于互相关熵的结构模态参数辨识方法 …………………………… 119 5 1 引言 …………………………………………………………………… 120 5 2 非高斯脉冲噪声的表征 ……………………………………………… 121 5 3 互相关熵的基本概念 ………………………………………………… 125 5 4 基于广义互相关熵的批量辨识方法 …………………………… 127 5 5 基于广义互相关熵的递推辨识方法 …………………………… 132 5 6 仿真结果与分析 ……………………………………………………… 138 5 7 小结 …………………………………………………………………… 148 第 6 章 基于深度学习的结构模态参数黑箱递推辨识方法 ……………………… 149 6 1 引言 …………………………………………………………………… 150 6 2 深度学习模型 ………………………………………………………… 151 6 3 递推辨识网络模型与步骤…………………………………………… 155 6 4 递推辨识结果与分析 ………………………………………………… 158 6 5 小结 ……………………………………………………………………… 169 第 7 章 基于深度学习的时变结构模态参数递推辨识综合增强方法……………… 171 7 1 引言 …………………………………………………………………… 172 7 2 时变结构振动场递推重建方法……………………………………… 173 7 3 时变结构辨识的单模态递推筛选方法 ……………………………… 182 7 4 时变结构递推辨识综合增强………………………………………… 192 7 5 任务 “粒度” 对深度学习模型的影响 …………………………… 195 7 6 小结 …………………………………………………………………… 200 参考文献 …………………………………………………………………………………… 203 附录 主要缩略词 ……………………………………………………………………… 229