传感器监测、采集结构响应以及分析处理测量信号进而完成对结构损伤检测与状态评估是土木工程结构健康监测的关键和核心所在。近些年,基于振动的结构损伤识别方法越来越受到行业内人员的重视。然而,现行结构损伤检测方法在分析实测响应时,仅考虑环境、荷载对损伤的影响,而没有或较少考虑由于外界环境、传感器自身材料限制的影响等所导致的传感器自身的性能退化乃至发生故障,这严重地影响了损伤诊断率也增加了检测的难度。此外,由于传感器性能退化导致的信号不完备等问题,也是目前大型结构损伤识别的热点及难点问题。基于此,本文从结构响应异常检测与预警、结构响应异常来源判别、来自性能退化传感器的数据恢复以及完备化后的结构损伤检测等方面,开展了考虑传感器性能退化的结构损伤识别方法研究。主要研究工作与取得成果如下:(1)系统地研究了含传感器性能退化信号的结构响应异常检测方法。首先针对传统一致性数据融合算法中未考虑传感器精度受环境的影响,提出了自适应一致性数据融合算法,使其可以同时考虑环境影响和传感器性能退化,从而提高了数据融合精度;随后考虑到小波奇异值分解受限于小波分解层数及噪声影响,提出了离散小波变换与鲁棒性独立分量分析技术(DWT-Robust)来准确判断结构发生损伤的时刻。七层框架数值仿真研究结果表明该方法不仅能够识别损伤异常时刻亦能识别传感器发生性能退化时刻,同时具备很好的鲁棒性和容噪性。当噪声水平达到10%时依然具有很好的辨识结果。(2)开展了考虑传感器性能退化的结构损伤初步定位与性能退化传感器分离研究。首先利用广义极似然比均方根用于初步定位损伤以及性能退化的传感器;随后提出以广义极似然比第一主成分得分极值百分比为控制图指标用于分离性能退化传感器。桁架数值模型和简支梁试验模型均表明该方法能够初步定位损伤和分离性能退化传感器且具有较高的灵敏度和容噪性。同时较以往所提的指标,本文所提指标能够快速地排除性能退化引起的结构响应异常。(3)进行了传感器性能退化/故障下数据恢复研究。考虑到传感器在发生性能退化时仍含有结构的有效信息,故本文提出了基于改进多尺度主成分分析(IMSPCA)的数据恢复方法:即首先根据性能退化传感器的数据在完好状态与性能退化状态下的小波细节系数的互相关性,判断传感器发生性能退化时其采集的结构有效信息在小波细节系数中的存储位置从而进行提取,随后利用主成分数据重构和小波重构进行数据恢复最终达到利用该传感器前期数据进行数据恢复;针对故障传感器采集的数据,提出自适应一致性数据替换方法:利用周边传感器同期采集的数据和自适应一致性数据替换方法进行数据恢复,从而达到对故障数据的恢复。桁架模型数值仿真和天津永和大桥实测数据均验证了该方法在环境影响下能有效地恢复数据从而减小伪基频的出现,为后续进一步损伤检测提供了较可靠的数据。(4)开展了完备数据下结构损伤精确定位和损伤程度定量研究。提出了基于模态应变能和改进多粒子群协同优化算法(IMPSCO)的两阶段损伤精确识别方法:即首先根据模态应变能和所提的利用抽样调查和参数估计方法计算的模态应变能阈值初步定位损伤,随后根据IMPSCO对第一阶段初步定位的损伤单元进行精确量化识别,最终达到快速精确地量化结构损伤。最后通过七层框架数值模拟和三维桁架试验验证了算法的有效性。研究结果表明:较多粒子群协同算法本文所提算法不仅节省了计算时间也具有更强的容噪性和鲁棒性,且识别误差小于4.5%。(5)开展了考虑传感器性能退化的结构损伤精确识别研究。首先对结构响应异常进行定时并分离出性能退化的传感器,接着对来自性能退化的传感器的数据进行数据恢复,最后利用恢复后的完备数据进行结构损伤精确识别。七层框架试验验证了该方法不仅可以识别结构响应异常时刻,而且能够分离性能退化传感器,此外亦可对来自性能退化传感器的数据进行恢复。最后根据恢复后的数据检测结构损伤程度,其结果亦满足工程检测精度要求。(6)最后,对本文所做的工作进行了总结,并针对该课题提出了今后值得深入研究的一些问题。通过研究,可部分解决传感器性能退化与损伤混淆、错误报警,和考虑环境影响及传感器性能退化下不完备数据损伤检测方法等健康监测领域的技术瓶颈,为大型结构健康监测系统真正发挥防灾减灾作用提供技术支持。