随着桥梁健康监测系统的大量普及,基于桥梁结构响应信号的处理方法的研究也日益成为关注的焦点。本文针对桥梁健康监测领域普遍存在的数据丰富而信息匮乏的特点,运用数据驱动领域的思想技术,以符号化建模为基础,利用其模式发现的特点,对桥梁结构系统响应信号进行符号化处理、因果态分割重构、结构向量提取,然后用获得的大量结构向量训练隐马尔可夫模型来诊断评估桥梁结构状态,同时结合midas civil仿真模型与实桥缩尺模型进行试验验证,形成了一套基于数据驱动的桥梁结构系统状态诊断评估的算法体系。其主要内容包括:(1)桥梁结构系统及其响应信号的复杂性分析。通过对桥梁结构的材料非线性、几何非线性等的分析,探究桥梁结构复杂系统动力行为产生的机理,并以带有平方非线性的两个自由度哈密顿系统为例,进一步分析结构系统非线性混沌动力行为演化模式。同时,在此基础上,分析桥梁结构系统响应信号非平稳与非线性的复杂特性。(2)构建基于符号化建模的桥梁结构状态特征指标。针对借助传感器技术直接采集到的结构响应信号具有随机性强、不稳定性、非线性等复杂特征,引入人工智能领域用于解决复杂性问题的符号化建模方法,对响应信号进行粗粒化处理,去除其中的非本质特征,尽可能的保留关键信息。在此基础上,重构序列的ε机,挖掘结构系统的隐含模式,实现反应结构损伤信息的提取。(3)构建基于隐马尔可夫模型的桥梁结构系统状态诊断方法。结合隐马尔可夫模型具有分析处理变长特征序列的优点,将符号化模型提取的反应结构系统特征的结构向量作为观测序列,各结构损伤状态作为隐含序列,利用鲍母韦尔奇算法训练隐马尔可夫模型,同时,通过对比分析结构系统不同状态下模型所计算的对数似然率的演化模式,实现结构系统状态诊断。(4)依托midas仿真模型及黑冲沟特大桥实桥缩尺模型的试验分析。运用符号化建模提取结构模型在不同测点以及四种不同损伤工况下的振动加速度响应信号的结构向量,然后对初始化的隐马尔可夫模型进行大量结构向量的训练,得到能够进行桥梁结构系统状态诊断分析的隐马尔可夫模型集合,由此验证先符号化建模提取结构向量,再进行隐马尔可夫模型诊断的算法流程的可行性。