中文摘要：

本项目主要针对来自大型结构健康监测系统中大量的多传感器数据,无法充分有效地利用这些数据进行结构的健康诊断这一实际问题,采用数据融合技术与损伤检测理论相结合的方法,开展了结构（损伤）模态参数识别技术、结构特征信息的提取技术、基于损伤识别的数据融合计算方法的研究. 通过研究，在非稳态及不同损伤状态下的结构响应信号,给出能够准确确定结构(损伤)模态参数的识别技术及基于HHT损伤检测与定位的方法,开发出基于多传感器数据融合的结构损伤检测新技术.并将它应用于实验室试验及实际工程中.本课题不仅可以解决影响结构健康监测的部分技术"瓶颈"问题，而且对于大型结构的结构安全运行智能化决策系统的开发提供技术支持. 可见，本项目具有重要的科学意义和工程实用价值。

结论摘要：

(1)针对希黄变换(简称HHT)存在的难题,提出了"改进希-黄变换的结构响应分析方法",并申报国家发明专利.提出了改进HHT的识别结构模态参数、物理参数技术,开发了信号分析与结构损伤检测集成系统."基于改进HHT和ICA的结构信号分析与损伤检测研究"获得辽宁省科技进步三等奖和沈阳市科技进步三等奖. (2)从基于时域、频域、位移模态3个方面,研究了结构损伤识别中的特征提取技术和多种特征参数指标. (3)提出了小波包分解的自适应加权平均数据融合、基于小波分解&基于概率神经网络(PNN)的数据融合损伤识别新方法. (4)考虑到复杂结构的冗余度和结构响应的不确定性,研究了运用D-S证据理论进行损伤识别存在的问题、改进方法及应用之后, 提出了将D-S证据理论与BP网络、PNN、模糊神经网络（FNN）结合的数据融合损伤识别方法. (5)为了降低海量数据的空间维数,研究了用粗集进行特征信息的空间降维和特征提取技术,提出了基于粗集与PNN的数据融合损伤识别方法. (6)用6层框架实测数据、钢框架和钢筋砼框架的数值模型验证了所提方法的可行性和有效性.