大型高耸大跨建筑结构遇到自然或者人为灾害时,诸多薄弱环节会引起巨大的安全隐患。利用基于结构动力学参数的结构健康监测手段,能够定期或实时了解建筑结构在恶劣环境下的动力学灾变过程,对建筑结构的潜在危险提供安全预警,并根据采集信息制定快速、稳妥、周密、有效的防护、补救措施,保证结构在施工与服役期间的安全运营。本文针对基于结构动力学参数的结构健康监测噪声干扰问题,围绕传感器布置方法与损伤识别算法的计算精度与抗噪声干扰能力,开展了一系列研究。首先针对结构动力学测试中的大型建筑结构的三维加速度传感器的布置问题进行了讨论,提出了基于小生境蛙跳算法的三维加速度传感器优化布置方法(MFLA)。然后,针对复杂噪声对损伤识别过程的不良影响,提出了基于结构振动模态的AMUSE(盲源分离)损伤识别方法。针对噪声条件下基于环境激励的多层建筑结构实时在线损伤识别问题,提出了基于位移重构滤波器与随机扰动荷载的多层结构链式模型损伤识别方法。全文主要研究内容如下:(1)对大型结构的三维加速度传感器的布置问题进行了深入的讨论,提出了基于小生境蛙跳算法的三维加速度传感器优化布置方法。建立了考虑传感器采集数据的线性独立性、冗余性、计算精度、抗噪性的目标函数。为了加强算法的计算精度与计算效率,分别提出了基于基因重组个体的种群生成方法、小生境构造、梯度式局部搜索等过程。结合工程实例,对近年来主流的传感器优化布置方法进行了对比分析,结果表明,本文提出的MFLA较其他几种算法在计算效率与计算精度上有一定程度的提高。(2)针对噪声对损伤识别过程的不良影响,提出了基于结构振动模态的AMUSE损伤识别方法。对AMUSE算法的过程进行了详细的介绍,并对该方法进行了简化与严格的数学证明。提出“可逆模态波”等概念,将结构的模态信息用波的角度,翻译转换成一条可逆模态波。将结构的振动模态信息与噪声信息看作为相互独立随机变量的信号源,对其进行奇异值分解式盲源分离,并给出关键环节的数学推导与理论证明。结合工程实例,模拟了复杂噪声采集条件。分别测试在无噪声条件下、有噪声条件下时利用传统的EMSDI方法(单元模态应变损伤指数)与本文提出的AMUSE损伤识别方法的损伤识别效果。结果显示,EMSDI方法在噪声环境下不能得到预期的损伤识别效果,而使用本文提出的AMUSE损伤识别方法能够满足最基本的损伤识别要求,为复杂噪声监测条件下的损伤识别问题提供了一个可行的方案。(3)针对噪声条件下基于环境激励的多层建筑结构实时在线损伤识别问题,提出了基于位移重构滤波器与随机扰动荷载的多层结构链式模型损伤识别方法。通过位移重构技术与数值微分、将采集到的加速度数据重构成损伤识别计算需要的位移数据与速度数据,在解决数据转换的同时,最大限度地排除了采集噪声的影响。结合多自由度链式模型与随机荷载理论,进行了该损伤识别理论的拓展与完善。通过互相关函数与白噪声荷载的数学性质,在动力学方程中消除了外界激励力的影响,从而得出损伤指标。在本文方法中,能够在不影响多层建筑结构正常使用的前提下,利用外界环境荷载对多层建筑的随机扰动所造成的反应来判断结构的损伤状态。与此同时,该方法能够尽可能地将外界噪声干扰排除,从而增加损伤识别计算的抗噪能力与识别准确性。(4)结合实例,对多层链式模型损伤识别方法中的位移重构的效果、损伤识别计算的具体过程、损伤识别准确度与抗噪能力进行了详细地分析与讨论。分别讨论了简单正弦函数加速度时程的位移重构效果与抗噪能力、单自由度体系在粘滞阻尼下简协强迫振动加速度时程反应的位移重构效果与抗噪能力。并结合一个12层钢框架模型,对基于位移重构滤波器与随机扰动荷载的多层结构链式模型损伤识别方法进行了测试,分别分析了结构无损伤状态的损伤识别、结构有损伤状态的损伤识别、噪声条件下无位移重构滤波的损伤识别、噪声条件下有位移重构滤波的损伤识别的几种工况。通过对几种工况的对比,验证了该方法的损伤识别准确度与抗噪能力。结果表明,利用本文所述的方法,在掺入噪声的状态下仍然能够识别出多层结构的损伤位置,相对于传统方法,识别准确度与抗噪性上有所提高。