损伤识别和健康监测技术目前已经发展并具有了坚实的理论基础,是一个快速发展并具有广阔应用前景的研究领域。基于振动特性的系统损伤识别方法是目前国内外研究的热点和难题,备受广大科研人员的关注,已成为力学与土木工程领域十分活跃的重要分支。然而,诸多理论和方法在实际应用中,却仍然存在一些困难。论文的研究目的是将蚁群优化算法(ACO)引入到结构损伤识别领域,为结构损伤检测理论提供新的思路。首先总结了目前应用于结构损伤识别领域的常用方法,同时指出结构损伤识别在数学上常可以转化为约束优化问题,从而指出利用蚁群优化算法求解结构损伤识别问题的可行性。其次介绍结构损伤识别问题的数学建模、数学优化问题的定义以及包括“群智能”等四种优化计算算法的计算原理和实现过程。第三,介绍蚁群优化算法的同时,重点介绍连续优化问题的蚁群算法并使用7种测试函数对其进行了性能测试。第四,将连续优化问题的蚁群算法应用于结构模型修正和损伤检测等问题。通过两层刚架单损伤和多损伤的大量数值仿真模拟和三层建筑结构模型的损伤识别试验研究,结果表明:ACO算法对结损伤检测能够起到非常好的效果;采用ACO算法对结构损伤进行检测不但能够准确定位结构损伤,而且还可以有效识别损伤程度;无论对小损伤还是多损伤工况,识别精度均较高,且抗噪性较好,由此可见基于ACO算法的结构损伤识别方法具有可行性和有效性。最后对研究成果进行了总结,并指出了本文研究中存在的问题和今后研究中应该注意的问题和方向,特别是将结构损伤检测转化为数学上的约束优化问题潜在的一些问题等。