大跨度桥梁的动态挠度是对其进行安全性、耐久性分析与损伤诊断的重要指标。由监测系统所获得的动态挠度数据是多种因素共同作用的结果。引起桥梁挠度变化的因素大致上可分为车辆荷载、温度以及预应力损失和混凝土收缩徐变等。本文以国家自然科学基金资助项目(51408452)和湖北省重点实验室开放基金资助项目(DQJJ201709)为基础,对基于北斗卫星的桥梁安全监测系统采集的桥梁动态挠度数据进行了分离,准确获取了各单因素挠度贡献值,为桥梁的工作性能评估和损伤诊断提供了条件,主要工作与成果包括:(1)利用多尺度处理手段,分析了各种因素影响下的时间尺度,并将挠度信号进行了分类。针对挠度信号中属于高频信号成分的车辆荷载挠度,利用移动平均滤波对其分离;温度效应及长期挠度属于低频信号,且挠度组分之间频率过于接近,一般的信号处理方法难以实现分离。盲源分离在源信号频率差异较小且频率有所混叠的状况下也能较好地分离出源信号,但是其要求观测信号数必须大于等于源信号数目;集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)具有良好的自适应性,能够将单通道的混合信号进行多尺度分解,形成多通道信号,但是其分解结果存在端点效应与模态混叠。本文利用两种算法优势互补,提出一种基于EEMD与盲源分离相结合的方法来分离桥梁挠度信号中的低频成分。在分离的过程中,源数估计与虚假分量识别的运用,增强了该算法的自适应性。(2)利用有限元软件Midas/civil建立了背景桥梁的模型,经仿真分析得到了各单项因素作用下的桥梁结构响应,并将其叠加在一起作为待分离的混合挠度信号。仿真信号分离的结果与源信号的相关系数均在0.95以上,分离效果较好。利用基于北斗卫星的桥梁安全监测系统对主跨跨中处于对称位置的测点采集了一年时间的挠度信号,然后利用本文提出的分离方法对混合挠度信号进行了分离。分离后温度效应的相关系数与长期挠度的相关系数均在0.9以上,表明分离效果较好。(3)对长期监测所获得的大量挠度数据,利用基于EEMD与盲源分离相结合的方法来分离桥梁挠度信号中的温度效应,然后将剔除温度效应后的数据用于结构的损伤诊断中。基于X控制图的统计过程控制的诊断方法能够快速地实现桥梁健康状况的初步诊断。然后采用基于马氏距离累计向量损伤识别的诊断方法进一步判断出桥梁损伤程度及损伤位置,最终实现桥梁的损伤诊断。通过数值模拟以及实际工程桥梁挠度监测数据的计算验证了该方法的有效性。