空间结构是建筑结构当中发展较快的一种形式,具有跨越能力强、造型美观、受力合理、刚度大、自重轻、抗震性能好、造价低等诸多优点,而网壳结构是其中的一种主要类型。网壳结构具有复杂的几何外形和动力学特性,这给结构的参数识别及损伤检测带来了诸多问题。近年来,世界各地发生的许多地震都引起了大量建筑物的倒塌以及人员的伤亡,这迫使人们将重大工程的安全性认识推到新的高度。因此针对网壳结构监测的理论和技术进行研究具有重要的理论价值和现实意义。结合国内外发展现状,本文主要针对重频结构的模态识别问题以及网壳的损伤检测问题进行了深入的研究和探索,取得的成果如下:一、检验了模态曲率法对网壳结构损伤识别的适用性。模态曲率法对于梁类结构的损伤识别已经表现出较好的效果,该方法比MAC法更有效。但是,数值算例表明,对于网壳结构,模态曲率法对于大部分损伤工况的识别效果却很差,即模态曲率法基本上不适用于网壳结构的损伤识别。二、提出了识别重频模态的多次激励法。重频是多自由度结构中自振频率存在重叠的现象,此时对应此频率的振型是由多个线性无关的特征向量构成的振型子空间,实测振型时若不考虑重频的影响,可能将重频模态看成孤立模态,造成模态的遗漏。针对重频模态识别问题,推导了加速度传递函数矩阵与重频振型之间的关系,即加速度传递函数矩阵中的某一列为重频模态振型向量基的线性组合,依然可以看做重频振型。据此提出了对结构进行多次激励识别重频的方法,每次激励针对不同的自由度,激励的选取方式要保证特征向量线性无关。通过一个三质点模型的有限元数值算例,验证了多次激励法的有效性。与此同时,推导了重频振型关于质量阵的带权正交化方法。三、提出了利用Zernike矩表征网壳结构模态的方法。在结构模态识别中常用的模态保证准则(MAC)仅能显示结构不同振型的相关性,并不能反映模态的细节,对于模态复杂的网壳结构则更是如此。因此,提出利用Zernike矩表征网壳结构的振型,即将振型数据视为图像函数,通过离散Zernike矩变换,得到表征各阶模态的Zernike矩值(包括幅值和相位角)。对一个单层球面网壳结构的有限元模型进行数值模拟,结果表明,此矩可有效地反映模态的振型特性并能识别结构的重频模态,较传统的MAC具有明显的优越性。四、提出了基于人工神经网络以及振型Zernike矩的网壳损伤识别方法。由于网壳结构属于参数敏感型结构,鉴于Zernike矩的特点,观察了损伤导致的网壳结构模态振型Zernike矩的变化形式,发现Zernike矩具备一定的空间可辨性以及损伤敏感性。因此,对于网壳结构,可以借助有限元模型建立结构的损伤库,以Zernike矩集的幅值和相位角作为指纹,通过神经网络法进行损伤的识别与匹配。以一个凯威特单层球面网壳结构模型为例进行了数值模拟,结果表明,神经网络对于单杆件损伤的识别效果良好,验证了Zernike矩损伤指标的可靠性。