近些年来,随着国民经济的迅速发展,土木工程建设等大型结构物日益涌现,随之带来的结构因超载、疲劳等因素造成的破坏事件也越来越多。因此,结构健康监测在国家的大力支持下得到了快速发展。结构损伤识别是结构健康监测领域的一个重要环节,受到国内外学者的广泛关注。而群智能算法为结构损伤识别技术提供了一个全新的发展思路。基于群智能算法的结构损伤识别方法具有较好的全局寻优能力、较快的迭代过程,解决了大部分传统优化技术难以解决的高维度、复杂的优化问题。本文利用樽海鞘算法(Salp swarm algorithm,SSA)—在其他领域已获得的成果,将其应用到结构损伤识别中来。同时本文通过选取合适的损伤指标、加权策略构建目标函数以提高识别精度,并结合灵敏度分析提高识别效率,对结构损伤识别进行研究,着重开展以下相关的研究工作:(1)对近年来各类结构损伤识别方法进行综述,可分为确定性和非确定性的结构损伤识别方法两大类,主要有以下几种:基于模型修正的识别方法、基于实测时域信号的识别方法、基于固有频率和振型等的静动力指纹法;非参数系统识别方法、基于概率统计的识别方法等。分别对各类方法进行了简要的阐述和分析。(2)提出了基于CI(Cosine-based indicator)损伤指标和SSA算法的结构损伤识别方法。验证不同损伤指标在噪声影响下的损伤识别精度,相对于传统的MAC(Modal assurance criterion)指标,CI损伤指标对损伤更为敏感。同时,在目标函数中引入加权系数,适当分配频率和振型的占比,使得识别结果更加合理。本章介绍了SSA算法的基本理论和方法,并阐述如何将SSA算法引用到结构损伤识别。通过简支梁、二层刚架两个数值仿真算例对所提方法进行了验证,并与CACO(Continuous ant colony optimization)方法进行了比较。(3)提出了基于灵敏度分析和SSA算法的结构损伤识别方法。该方法首先通过模态分析得到无损结构的频率和振型,分别构建关于频率和振型的灵敏度矩阵;然后利用SSA算法获得结构中损伤折减系数的分布,即樽海鞘的位置信息组成的向量,将相应的灵敏度矩阵给定到具体的樽海鞘位置;最后采用泰勒近似公式逼近损伤振型及频率,并通过求解目标函数得到最后的最优解。为了提高所提新方法的识别精度、噪声鲁棒性以及结果的合理性,在新方法的基础上,推导出高阶灵敏度矩阵并将其应用到结构损伤识别问题中。采用二层刚架数值仿真验证所提方法的可行性和有效性。(4)实验室搭建悬臂梁结构,以验证基于CI损伤指标和SSA算法的结构损伤识别方法。开展试验模态分析获得结构健康状态和损伤状态的频率与振型信息。采用SSA算法对建立的模型有关参数进行修正,以获得最接近于悬臂梁实验结构的有限元模型。采用梁长和梁宽折减的方式进行损伤模拟,通过锤击法获得损伤状态下各阶模态信息,并用所提方法对其进行损伤识别。