结构健康监测系统（Structural Health Monitoring,SHM）的核心环节包括监测、诊断和评估。其中,评估是健康监测系统的最终目标,结构损伤机理探讨是系统动力研究的前提,传感监测手段是研究的数据基础,结构状态诊断是完成评估的关键环节。本文聚焦于SHM中的前两个环节,系统总结了结构健康监测领域中的传感器优化布置方法和损伤识别方法。在此基础上,围绕高拱坝在地震作用下的损伤特征及抗震安全性能、传感器优化布置设计考量因素以及损伤敏感性特征对破坏状态鲁棒性等问题展开研究。探讨了高拱坝在地震作用下的损伤破坏特征及区域损伤分布模型,发展了一种考虑多种因素的传感器优化布置目标函数和群优化智能算法,构架了一种基于无监督深度学习的特征提取方法与震后快速损伤识别模型,并通过嵌入领域自适应技术缓解了因模型误差和荷载环境变化导致的检测性能不稳定问题。具体来说,本文的主要工作如下:（1）系统探讨了地震作用下高拱坝不同部位的损伤特征和损伤演化规律,并提出了一种基于地震损伤特征的区域损伤分布模型。针对当前高拱坝在地震动作用下损伤特征及抗震安全性能指标不明晰的问题,以某300米级拱坝为背景进行了一系列确定性地震动力分析,对基于加权平均损伤体积比和损伤面积比的两种拱坝承载能力评价指标的有效性进行探讨;选取拱坝振动最活跃的拱冠梁为主要分析目标,探讨了高拱坝在地震作用下不同区域可监测的损伤敏感性特征,并验证了其对不同地震动的适用性;针对以往拱坝分区方式存在的损伤均匀化掩盖真实损伤的问题,提出了一种基于地震损伤特征的区域损伤分布模型,将以往拱坝损伤识别过程中的识别目标由单纯的损伤扩展至识别损伤中心和损伤区域,为拱坝的损伤识别提供了一种新的扩展思路。（2）针对监测需求日益庞大的高拱坝传感器优化布置系统,构造了一种融合多种监测目标的综合信息矩阵,并提出了一种适配于该优化目标的正态云混合蛙跳算法（NCM-SFLA）。发展了一种同时包含模态独立信息、损伤敏感度信息和模态能量信息的综合信息矩阵,并引入距离系数以解决信息冗余的问题;采用信息矩阵最大范数和灵敏度矩阵最小条件数为准则,实现了算法灵敏度和鲁棒性的兼顾;为增强对该信息矩阵的寻优能力,通过引入混沌与精英反向策略的初始化方法、具有伸缩因子的局部搜索策略和利用正态云发生器更新子种群最优解等中间环节,提出了 NCM-SFLA;结合某高拱坝工程,与当前主流的目标函数和智能算法进行对比分析,论证了该方法的有效性和优越性,为解决大型空间结构的传感器优化布置问题提供了一种更为有效的方案和多元化的选择。（3）以直接从结构的加速度响应信号中提取损伤敏感性特征为导向,构建了一种基于无监督学习模型的特征提取方法及震后快速损伤识别模型。针对现有人工设计的损伤敏感性特征在实际拱坝工程中测量准确率较低、识别鲁棒性不佳的问题,通过探求监测数据与结构状态的映射关系,提出了一种去噪-压缩-稀疏联合深度自动编码器（Denoising Contractive Sparse Deep Auto-encoder,DCS-DAE）模型,并引入 Dropout 技术增加网络特征提取的泛化能力;在此基础上,以重构误差及小概率原理为准则,结合箱线图和加权K近邻算法,构架了一种多目标DCS-DAE异常检测框架;以某高拱坝工程为背景设计了一系列损伤状态,对所提方法的有效性和抗噪性进行论证。该模型的构建仅需结构在正常运行状态下的振动信息,为强噪声污染条件下的高拱坝损伤识别问题提供了一种具有更高稳定性和鲁棒性的解决方案。（4）针对高拱坝震后的变水位检测需求,结合迁移学习的思想,提出了一种基于领域自适应的DCS-DAE模型,提升了原始DCS-DAE模型在多变荷载环境下的异常检测性能。其核心思想在于将最大均值差异（MMD）对源域和目标域在特征空间中的数据概率分布进行一致性约束的思想与DCS-DAE模型进行融合并统一在同一框架下。该融合使模型既具备DCS-DAE模型的特征提取能力,又克服了由于目标函数缺乏源域与目标域在特征空间中的一致性约束导致无法适用于其他类似场景的问题;根据大坝在实际工程中面临的震后变水位检测情况,设计了四种工况用于近似再现结构建模的不确定性和水位的可变性,对所提方法的有效性进行验证。该方法通过特征设计的角度增强了 DCS-DAE异常检测模型的泛化性能,使得构建的异常检测模型做到“随机应变”、“举一反三”,为结构在运行过程中荷载条件改变下的跨域实时监测问题进行了一次有益的尝试。