中文摘要：

实际灾变荷载造成的结构损伤均表现出较强的时变特性，而目前已有的损伤时识别方法大多依赖于损伤前后结构的线性定常假定，使得损伤识别的结果存在偏离结构真实性态的可能。工程应用中迫切需要能够反映结构损伤的时变及非线性特征的损伤因子，以更为准确和全面地了解结构损伤的真实性态。由于其时频分解特性，小波分析技术能够有效地反映结构响应信号中高度非平稳和非线性的特征。本项目研究基于连续小波变换的时变结构损伤识别技术，主要研究内容包括三个方面首先基于连续小波进行时变结构动力分析，获得反映结构损伤时变特性的小波特征量；其次在上述小波特征量基础上构造反映结构整体及局部时变损伤的损伤因子；第三基于人工智能算法的时变结构损伤定位及损伤程度识别研究。进行高层建筑阵风响应监测研究和典型结构体系的模型试验研究。基于实测的结构阵风响应和记录的模型结构响应验证时变损伤识别算法对典型时变损伤模式的适用性和有效性。

结论摘要：

在极端自然灾害作用下结构会产生损伤，损伤会降低结构的安全性及舒适度，尤其对于超高层结构，较为严重的损伤甚至会导致结构坍塌。结构损伤识别的研究已经有了长足的进步，但目前的损伤识别方法大多忽略了结构损伤的时变和非线性特性，这使得人们无法实现对结构损伤的准确把握。本项目利用小波分析技术的时频分解特性，提出了基于连续小波变换的损伤因子，对突变损伤和线性时变损伤结构进行损伤评估。本研究分别模拟了结构在强震和强风作用下的损伤模式，通过连续小波变换确定结构的损伤时刻及动力特性随时间的变化情况，并结合模型修正方法与遗传算法最终确定结构的损伤位置与损伤程度。进行了振动台试验，主要对结构加速度时程信号进行分析，通过本研究提出的方法对结构的损伤情况进行评估。本研究提出的方法计算耗时少，成本较低，可为损伤识别在建筑结构中的应用提供理论基础。