结构损伤识别是当前土木工程领域的研究热点,基于贝叶斯估计的结构损伤识别方法可以很好地解释损伤识别过程中所存在的不确定性,因而更为合理也受到更为广泛的关注。本文针对贝叶斯估计中逐分量自适应Metropolis(SCAM)抽样算法存在的问题进行了改进,提出了改进的SCAM算法,并将改进的SCAM算法与贝叶斯损伤识别方法结合,通过获取结构的观测响应数据得到结构物理参数的似然函数,利用贝叶斯理论给出结构物理参数的后验联合概率分布,再结合改进的SCAM算法求出结构物理参数的后验边缘概率分布和最优估计值,进而对结构损伤进行评估。最后通过对一个四层剪切数值模型和一个三层RC框架结构振动台试验模型进行识别,验证了改进的SCAM算法的有效性和实用性,并引入Park-Ang双参数损伤模型,实现了结构损伤水平概率评估。本文主要工作如下:(1)马尔可夫蒙特卡罗(MCMC)抽样方法是贝叶斯估计中求解参数后验边缘分布的重要技术手段,SCAM算法作为MCMC抽样方法中的一种,在求解高维后验边缘概率分布时是比较有效的,但研究表明该算法在提议分布方差较小,且抽样初始值与标准值相差较大时,易生成重复性样本,导致抽样效率低、计算结果误差大。为解决这一问题,本文提出了改进SCAM算法,改进方法中重新定义了提议分布方差的表达式,使得样本序列构成的马尔可夫链相对稳定,并通过一个抽样算例验证了所提方法的准确性和高效性。(2)将改进的SCAM算法与基于贝叶斯估计的结构损伤识别方法相结合,通过获取结构的观测响应数据得到结构物理参数的似然函数,利用贝叶斯理论给出结构物理参数的后验联合概率分布,再结合改进的SCAM算法求出结构参数的后验边缘概率密度分布和最优估计值。对某四层剪切型结构数值模型在累积损伤工况下进行物理参数识别,结果表明所提方法具有良好可靠性和抗噪能力。(3)通过振动台试验,对一个三层RC框架模型在多次地震作用下进行物理参数识别和损伤识别,并引入Park-Ang双参数损伤模型,得到结构各层和整体的损伤指数概率分布,给出结构损伤水平的概率评估。最后通过对比识别结果和实际试验现象,验证了所提方法的有效性和实用性。