随着工程技术空前飞速发展,跨越天堑的大跨径桥梁日益增多。其中,斜拉桥高效轻质的特点和清晰简明的传力路径使得其跨越能力位居前列;由于造型优美,承担关键交通要道角色的同时,往往也成为区域的标志性构筑物。因此对斜拉桥进行健康监测具有重大意义,而损伤的识别是健康监测系统中关键环节之一。本文在国家自然科学基金项目(资助编号:51778088)的资助下,从动力参数和智能算法两个层面深入研究更加高效和普遍的斜拉桥损伤识别方法,并在数值模型的基础上,对双塔单索面预应力混凝土箱梁体系的崖门大桥进行损伤识别,以验证本文提出的识别方法可行性和准确性。主要工作和结论如下:(1)从实际工程角度出发,深入对比各动力参数的理论推导和参数特点,选择低阶曲率模态作为损伤识别的动力参数:1)工程实际中测量得到的动力参数在低阶部分精度可靠,高阶的动力参数常常会带来更多噪声影响,以仅使用低阶动力参数进行损伤识别为原则开展工作;2)分析各动力参数的理论推导过程,注意到曲率模态不直接使用反映结构整体动力特性的参数进行推导,据此提出将多损伤拆分为单损伤进行识别的方法:对于静定结构的简支梁,对一阶竖向振型曲率模态进行二次微分运算(数值实现方式为二阶差分),根据突变值较大的二次微分结果将多损伤的影响单元分开,倒算出多个单损伤情况下的曲率模态,以此作为输入数据分别进行损伤识别。对于多次超静定的斜拉桥,将多损伤情况下的低阶曲率模态与无损伤情况下的曲率模态相减,根据突变值较大的曲率模态差值将多损伤的影响单元分开,得到多个单损伤情况下的曲率模态,以此作为输入数据分别进行损伤识别。3)由于应用曲率模态将多损伤拆分为单损伤的算法局限,将使得该参数损失一部分结构信息,并且曲率模态在含有噪声时的识别性能不够理想,因此本文将运用鲁棒性良好的智能算法与曲率模态参数一同进行损伤识别,达到良好抗噪效果。(2)结构损伤位置识别的本质是模式识别问题,损伤程度识别的本质是非线性映射的表达。通过对比分析智能算法的特点,注意到基于径向基函数(RBF)的神经网络具有清晰的模式聚类数学思想,并能实现复杂函数的插值,符合桥梁结构损伤识别问题的需求。将RBF神经网络作为智能算法的基础结构,并进行了如下优化:1)RBF神经网络的输入层-隐层是实现模式聚类的无监督学习阶段,传统算法自行计算并确定聚类中心和聚类半径,本文提出的优化算法在网络训练前预先指定各单元损伤50%时的动力参数样本为聚类中心,提高算法训练的收敛速度;2)RBF神经网络的隐层-输出层是误差反向传播的监督学习阶段,为了避免随机指定初始权值矩阵导致网络训练陷入局部最小,本文借鉴遗传算法在解空间内广泛搜索得到全局最小的思想,设计程序对初始权值矩阵进行优化;(3)为了验证低阶曲率模态动力参数作为损伤识别输入数据的有效性,以及优化智能算法的可行性和准确性,对一简支梁桥算例进行损伤识别:1)使用MATLAB语言编制优化智能算法并进行训练,对比了遗传算法优化前后的网络训练收敛速度,证明遗传算法能有效提高网络训练的收敛速度;2)考虑9种单损伤工况和3种多损伤工况,测试优化智能算法的识别效果,成功使用一阶曲率模态实现对单损伤、多损伤工况损伤位置的精准识别以及损伤程度的高精度识别;3)考虑不同噪声水平,在曲率模态中添加Guass白噪声,在简支梁桥模型的基础上进行优化智能算法识别损伤位置和程度的抗噪性能研究,证明算法的优质抗噪能力;(4)对双塔单索面预应力混凝土箱梁体系的崖门大桥进行基于数值模型的损伤识别研究,运用算法分别对主梁和拉索的损伤进行识别:1)使用结构的一阶曲率模态差动力参数,使用MATLAB语言编制程序,对主梁和拉索分别建立对应的优化智能算法结构;2)对主梁的损伤识别,考虑10种单损伤工况、5种多损伤工况,运用训练好的算法进行识别测试,实现对斜拉桥主梁损伤位置的精准识别,以及对程度的高精度识别;对拉索的损伤识别,考虑4种单损伤工况、7种多损伤工况,测试结果表明,该优化智能算法能实现对短拉索损伤位置的精准识别,对长拉索的损伤位置实现较为精确的识别,对拉索损伤程度能实现较高精度识别。3)考虑不同噪声水平,以对崖门大桥主梁和拉索为研究对象,进行优化智能算法识别损伤位置和程度的抗噪性能研究,证明算法的优质抗噪能力。本文提出了一种对斜拉桥结构进行损伤识别的思路,运用低阶曲率模态参数,不仅能在数据源降低噪声的影响,而且能将多损伤拆分为多个单损伤进行识别;设计了一种以RBF神经网络为基础的智能损伤识别算法,并对算法聚类中心进行问题适应性的调整,同时使用遗传算法思想对权值矩阵进行优化,提高了算法的训练收敛速度和映射关系学习能力。对崖门大桥的主梁和拉索分别进行基于数值模型的损伤识别研究,验证了基于低阶曲率模态和优化智能算法的斜拉桥损伤识别方法可行性和精确性,以及该算法良好的抗噪性能。