大跨桥梁作为城市的重要基础设施,其安全运营直接关系国民的生命财产安全,如何通过高效可靠的现代技术监测大跨桥梁的运营状况,是打造智慧城市的一项内容。近年来,国内许多桥梁逐渐安装了结构健康监测系统(Structural Health Monitoring,简称SHM),采用有效的损伤识别方法对监测的数据进行分析,获得桥梁结构的损伤信息,对确保大跨桥梁结构的安全具有重要意义。基于振动特性的结构损伤识别方法在近些年受到广泛关注,并取得迅猛发展。然而,目前大部分方法在数值模型或者实验室模型中有较好的损伤识别效果,但用于实际结构中成功的案例并不多见。主要原因在于实验室内的环境条件可以控制,而实际结构容易受外界的环境因素影响。例如,温度导致的桥梁基频变化在5%左右是常见的。损伤导致的结构动力特性变化可能完全淹没在环境因素导致的变化之中,从而使结构真实损伤不能得到有效识别,导致结构健康监测亦无法顺利进行。因此,必须有效地分离变化环境因素与运行条件的影响,这是目前国际上结构健康监测与损伤识别领域的核心与关键难点。此外,由于受经济以及技术方面的限制,布置在大跨桥梁上的传感器数目总是有限的。如何利用尽量少的测量信息准确识别结构的损伤,也是结构健康监测系统急需解决的难点问题。本文针对上述SHM遇到的难点问题,以结构的振动数据为研究对象,开展了考虑损伤稀疏性约束的扩展卡尔曼滤波损伤识别方法研究,以及改进协整的环境因素分离方法研究。本文具体的研究内容如下:(1)由于在实际的工程结构中,损伤通常发生在个别位置,因此损伤的分布具有稀疏特性。本文将损伤的稀疏特性作为lp正则化约束引入到扩展卡尔曼滤波(Extended Kalman Filter,简称EKF)方法中,提出了 EKF-lp损伤识别算法;该算法通过采用伪测量技术,将lp约束方程嵌入到EKF的递推过程中,获得状态向量的递推解。为了选择最佳的p值,提出了一种确定p值的L曲面方法。数值算例和实验算例的研究结果表明,考虑损伤稀疏特性后,本文方法在测量信息非常少的情况下也可准确识别出损伤;且识别结果对测量噪声不敏感。(2)由于在EKF-lp方法中,为了获取合适的p值,需要获取大量不同p值的解范数和残差范数,该过程计算量较大,不利于结构的在线损伤识别。并且当伪测量方程的非线性程度较大时,EKF-lp方法进行线性化时误差较大。为克服上述缺点,提出了 UKF-lp和EKF-Atan两种改进的施加稀疏约束方法。UKF-lp是通过UKF(Unscented Kalman filter,简称UKF)替代EKF施加稀疏性约束,利用UT变换减小了非线性系统线性化产生的误差;EKF-Atan方法是采用Arctangengt函数替代lp范数作为惩罚函数,不需要像EKF-lp方法一样选择p值,却可以获得与EKF-lp一样的稀疏解。通过剪切结构实验和悬臂梁实验算例,验证了两种方法的有效性。(3)传统协整方法在分离环境因素影响时,需要全部变化环境下的无损数据建立协整方程。然而,获得这些数据通常非常困难,尤其是在早期监测阶段。其次,传统协整方法由于存在离线阶段,难以在线识别损伤。为此,本文提出一种结合协整和卡尔曼滤波(Kalman Filter,简称KF)的在线损伤识别算法。该方法以协整系数作为KF中的状态向量,以协整方程作为KF框架下的观测方程;通过KF算法对协整系数进行在线的估计,根据协整系数的动态变化进行在线损伤识别。此外,为了避免传统KF过度依赖旧观测值而出现时变参数识别不准的问题,在KF中引入衰减因子以增加新观测值的权重。最后,通过一个桁架桥的数值算例以及天津永和桥的现场数据研究,验证了所提出方法的有效性。(4)考虑到传统协整方法是一种线性算法,只适用于监测变量间存在较好线性相关性这一情况。为克服协整的这一缺点,本文提出了结合协整和核典型相关分析的算法。首先采用核典型相关分析方法,将低维空间存在非线性关系的监测变量映射到高维空间,使其转化为线性相关的核典型变量;然后对线性相关的核典型变量进行协整处理,以分离共同的环境因素影响。通过木桁架桥实验和Z24桥实测数据,对算法的有效性进行了验证。