结构在实际运营过程中,由于各种原因会致使结构出现不同程度的损伤,为了保障结构的安全性、完整性和耐久性,对在役结构急需采用有效手段来监测和评估其健康状态,即需对结构进行健康监测,这其中最核心的内容就是要对结构进行损伤识别。 本文将小波分析引入到结构损伤识别,充分利用它在处理非稳态信号上的优势,从而得到传统的Fourier变换所不能提取的结构损伤信息,同时结合人工神经网络的非线性处理能力达到对结构损伤信息的融合,做到对损伤进行准确、直观、快速地诊断。 第一章对目前基于动力特性的结构损伤识别方法进行了综述,在此基础上提出了本课题研究的目的和意义,以及国内外的研究现状,并明确了本文所要完成的研究工作。 第二章介绍了小波分析的理论基础,对比了小波分析和Fourier分析及短时Fourier分析的区别,阐述了小波分析作为一种优秀的时频分析工具的特点,即它在时域和频域都具有可调节的分辨率,非常适合对含有奇异点的信号进行分析,同时介绍了小波多分辨率分析和小波包分析的算法结构。 第三章首先对结构损伤的模拟系统进行了简单的介绍,然后分析了小波多分辨率分析进行损伤识别的原理,提出了一种新的基于多分辨率小波分析的在线结构损伤指标。该指标充分利用小波分析在处理非稳态信号上的优势,从在线监测过程中得到的时程曲线中提取结构的损伤信息,从而做到对于结构损伤的确认以及时间和空间上的定位,最后通过数值算例验证了其可行性。 第四章通过理论分析和数值算例证明,基于小波包节点能量变化构成的相对差值δE_j~i(n)和能量平方比α_j~i(n)的特征指标及其斜率指标和曲率指标能够对结构损伤做到无模型定位,这是目前很多识别方法所不能比拟的。同时该方法不仅能够准确的识别结构的单一损伤,而且对于结构中出现的多处损伤也能做到准确、直观、快速的描述。同时基于小波包节点能量相对差值的斜率指标和