结构损伤诊断和安全性评定对于保证重大土木工程结构的正常使用、保障人民生命财产的安全具有极其重要的意义,已经成为当前国内外研究的热点问题.多层及高层框架结构是当前公共建筑的主要结构形式,因此,研究多高层框架结构的损伤诊断问题更具有实际意义.小波变换是一种信号的时频分析方法,被誉为数学显微镜.正是这种时频域同时分解的能力使其在分析非平稳信号方面具有传统傅里叶变换不可比拟的优势.但小波变换在高频部分的频率分辨能力较差,而大多数结构动力响应信号的高频部分比低频部分的频率成分更密集,结构损伤是典型的局部现象,多数损伤信息在高频成分中捕获,这使得小波变换在结构损伤诊断技术中的应用受到了限制.小波包分析能够为信号提供一种更加精细的分析方法,它将频带进行多层次划分,对小波变换没有细分的高频部分进一步分解,并能根据被分析信号的特征,自适应的选择相应的频带,使之与信号的频谱相匹配,从而提高了时频分辨率.该文在探讨已有损伤检测方法的基础上,考察了小波分析和神经网络在损伤诊断领域良好的适应性,提出一种基于"能量-损伤"原理,综合利用小波分析和神经网络的框架结构损伤诊断方法.首先将结构的加速度响应信号进行小波包分解,然后计算末层各频带能量,选择对损伤敏感的能量值组成损伤的特征向量作为神经网络的输入,损伤状态作为输出.对ASCE(美国土木工程师学会)提出的基准结构进行了数值模拟,采用分步识别理论,成功地诊断了结构损伤的发生、位置和程度.分别检验了用于识别损伤发生、程度、具体位置的三个网络的泛化能力,讨论了泛化能力不同的原因.工程实例的数值分析结果表明,将小波包分析和神经网络方法联合应用于结构损伤诊断是切实可行的,且诊断效果良好.基于小波包分解的时频能量,能够从损伤信号频率尺度随时间的变化,以及时间变化在频域的响应两个方面综合反映信号特征,是一个对损伤敏感的特征量.该文还讨论了测量噪声和模型误差对损伤诊断结果的影响,给出不同噪声程度(10％,15％和20％)下的损伤诊断结果对比,以及不同结构模型(12-DOF和120-DOF)下损伤诊断结果对比,得出了一些有益的结论.该方法对噪声不敏感或可以在有噪声的情况下得出正确的结论,是一种比较理想的损伤识别方法.模型误差对该文提出的损伤诊断方法的诊断能力具有一定的影响,在实际操作中,应将模型误差的因素考虑进去.