结构中损伤与缺陷的识别对于工程结构的安全使用与维护起着至关重要的作用。本文提出了三种利用结构振动和静载测试数据进行损伤诊断的新方法。 为了避免结构数值模型误差对识别结果的影响,提出了一种利用模态测试数据进行损伤识别的算法。该算法分两步依次识别损伤部位与损伤程度。首先采用比较向量夹角的方法排除损伤程度的影响,从而识别出可能有损伤的单元,然后再用优化算法确定损伤程度。根据算法对数值模型的利用程度,又可分为两类方法:DDNKM方法通过引入模态子空间近似关系,完全不需用到结构的总体刚度矩阵和总体质量矩阵;DDNK方法则只需利用误差较小的质量矩阵。 另一种不用结构数值模型的识别方法利用了柔度矩阵的有关特性,算法用到的结构柔度矩阵可以由模态实验获得的少数低阶模态来构造,它比构造刚度矩阵具有更高的精度。通过对各结构单元施加单位虚拟力,得到结构损伤前后各部件的广义应变变化率,由此直接建立柔度矩阵变化与损伤部位之间的联系,在判断损伤部位的同时也得到了损伤程度的识别结果。 针对大型土木工程结构难于精确测量振型的特点,还提出了一种综合利用静载响应与频率测试数据的损伤识别方法。通过引入静位移及频率变化关于刚度矩阵变化的一阶近似关系,使损伤位置与损伤程度对结构响应的影响得以分离,并采用DSM(Damage Signature Matching)技术判断可能的损伤部位。损伤程度的识别仍然用了优化算法,但用迭代方法改造了二次规划算法,以消除大损伤时一阶近似的误差。该算法的一个突出优点是适用于测试自由度不完全的情况。 上述所有新算法都用平面桁架或梁结构的数值模型进行了验证。为了进一步考察采用实测数据时各算法的识别效果,对两端固支梁结构做了相应的模态分析与静载实验,并将实验结果用于损伤诊断验证。数值与实验验证均表明,本文提出的新算法对损伤位置与损伤程度的识别是成功的,并且有较高的效率和稳定性,能够在仅有少量测试数据的情况下获得较好的识别结果。