土木工程结构在其服役过程中通常会因外界不利因素的影响而产生损伤,而损伤的出现会给结构的安全造成威胁,严重时甚至会导致结构发生整体性破坏,引发灾难性事故。如果能及早采取有效措施获取结构的损伤信息,对结构的安全状况进行预警,就可避免灾难的发生。因此研究结构损伤识别具有重要的理论意义和工程应用价值。本文在总结现有结构损伤识别方法的基础上,发现小波分析方法良好的局部化性质和多分辨率特性使其在识别结构损伤位置方面具有独特的优势;群体智能算法具有不依赖于优化问题本身的严格数学性质,以及全局收敛性好、鲁棒性强等特性使其在识别出结构损伤程度方面具有较强的能力。为此,本文将两种方法的优势相结合,采用一种两阶段法来研究结构损伤位置和损伤程度的识别问题。本文提出的结构损伤识别两阶段法是指先运用小波分析识别出结构损伤位置,再运用粒子群遗传优化算法识别结构损伤位置处的损伤程度。首先对比分析了粒子群算法和遗传算法在求解优化问题上的优缺点,然后结合两种算法的优势建立了识别结构损伤程度能力更强的粒子群遗传优化算法的理论模型,并给出了其识别结构损伤程度的原理,从而建立了一种识别结构损伤位置和损伤程度的小波-粒子群遗传优化算法。研究了含多处损伤的单层框架结构的损伤识别问题。首先建立含损伤框架结构的有限元模型,通过动力特性分析得到其应变模态,然后将其代入小波程序进行小波变换,依据小波系数模极大值点识别出结构的损伤位置;在此基础上,基于损伤前后结构的固有频率和振型构造出目标函数,再分别运用粒子群算法、遗传算法和粒子群遗传优化算法求解目标函数,得到结构各损伤位置处的损伤程度。数值模拟结果表明,该方法可以有效识别出结构的损伤位置和损伤程度。通过对比分析三种算法识别结构损伤程度的效果,发现粒子群遗传优化算法的运行时间最短,识别精度最高。为进一步验证小波-粒子群遗传优化算法在识别较复杂结构微小损伤方面的有效性和优越性,采用该方法研究了含多处损伤的两层两跨框架结构的损伤识别问题。数值模拟结果表明,该方法可以准确地识别出框架结构的损伤位置和损伤程度。通过对比分析三种算法识别结构损伤程度的效果,发现粒子群遗传优化算法在收敛速度,运行时间,识别精度方面的优势更加明显。因此,该结构损伤识别方法对检测实际工程结构的损伤具有一定的参考价值。