重大土木工程结构发生损伤可能带来灾难性后果,因此,我们有必要采取一定的措施和技术手段,对现役土木工程结构进行损伤识别。近年来,基于振动的结构损伤识别研究发展迅速。但是由于测量噪声的影响、模态参数的不完备性、系统输入信息难以获取以及环境因素的干扰等,致使结构损伤识别的准确率和鲁棒性有待提高。基于响应分析的结构损伤识别方法只需考虑系统的输出数据,不必考虑系统的输入信息。因此,本文直接对结构振动响应进行分析,得到结构损伤特征向量,利用基于粒子群优化算法的支持向量机(Support Vector Machine Based on Particle Swarm Optimization,PSO-SVM)进行结构损伤识别研究,主要内容如下:(1)综述了基于振动的结构损伤识别方法的国内外研究现状,并评述了其优缺点。(2)自回归模型(Auto Regressive Model,AR模型)因其计算简单、建模速度快,并能通过提取较少的参数反映与结构振动特性有关的信息,使其在基于时域数据的结构损伤识别方法中得到了广泛的应用。本文提出了基于AR模型与PSO-SVM的结构损伤识别方法。首先,提取结构损伤前后的加速度响应信号,利用AR模型对加速度响应信号进行拟合,得到AR模型系数;然后在AR模型系数的基础上构建两种损伤指标:AR模型系数差和AR模型系数变化率;最后利用PSO-SVM进行结构损伤位置识别。五层三维框架结构的数值模拟与振动台模型试验结果表明,该方法是有效的,且具有一定的抗噪性。(3)针对环境激励下的结构响应为非线性和非平稳信号的特点,提出了基于Hilbert-Huang变换与PSO-SVM的结构损伤识别方法。首先,提取结构损伤前后的加速度响应信号,利用改进的集总平均经验模态分解(Modified Ensemble Empirical Mode Decomposition,MEEMD)对响应信号进行分析,得到一系列IMF分量;再将IMF分量进行Hilbert变换获得Hilbert谱,并利用IMF分量和Hilbert谱的瞬时幅值提取均值、标准差、均方根、峭度、裕度因子、偏度、相关系数、能量熵等损伤特征参数;然后利用随机森林算法进行特征优选,依据特征重要性指标选择前五位作为分类的优选特征子集;最后将优选特征子集作为样本集输入到PSO-SVM中识别结构损伤位置。无论是在白噪声激励下还是在迁安地震波激励下,五层三维框架结构的数值模拟与振动台模型试验结果表明,该方法是有效的,且具有一定的抗噪性。