随着社会和科技的进步,一些复杂结构的不断出现,为人类生存和工业发展注入动力。但由于建造和使用过程中出现的不良因素,结构在服役期内不可避免的会出现损伤问题。当损伤逐渐积累,会导致结构的使用寿命降低,严重者将导致结构的变形和垮塌,危害人类的生命和财产安全,所以对结构进行损伤识别和健康安全监测是非常有必要的。本文对薄板的损伤问题进行了研究,提出了一种基于小波-差分进化算法的两阶段损伤识别方法,两者的结合使薄板的损伤识别问题更加准确和高效。该方法能对薄板的损伤位置和损伤程度进行识别,不仅能克服小波变换难以识别损伤程度的问题,又减少了差分进化算法识别损伤位置所引起的维度过高而导致的计算工作量过大的问题。本文首先利用试验对所提出的方法进行验证。通过试验对钢薄板的损伤位置和损伤程度进行了研究。试验利用加速度传感器对钢薄板的模态参数进行采集,将采集后的模态信息导入电脑进行排序和整理,然后将整理好的数据放入MATLAB进行处理,最终通过软件分析得到损伤位置和损伤程度的信息。本文对试验中出现的问题进行了分析和总结,找出产生问题的原因,可为今后的试验积累经验,作出改进。其次,为了更进一步的研究损伤程度以及边界条件等对识别效果的影响,本文对薄板损伤位置的识别问题进行了数值模拟。通过建立有限元模型获得薄板的位移振型及转角模态,在此基础上分别利用一维和二维小波对薄板的损伤位置进行识别。在位置识别过程中,通过不同工况设置,比较了不同损伤程度和不同边界条件对损伤位置识别的效果产生的影响,并且探讨了单元尺寸划分对损伤位置识别的影响。最后,本文对薄板的损伤程度的识别问题进行了数值模拟。本文以薄板的固有频率和位移振型为基础构造目标函数,通过差分进化算法对目标函数进行求解。为了更进一步的研究差分进化算法的优越性,本文选取了粒子群遗传优化算法与差分进化算法对识别结果进行了比较。在相同工况的条件下,通过对算法的运行时间和识别精度对算法的性能进行评价。结果表明,两种算法在识别精度上都能满足要求,但差分进化算法在算法的运行过程中用时更少,并且每次算法运行时间波动较小,表明差分进化算法具有更好的收敛速度和稳定性。