在桥梁结构服役期间，关键截面或部位局部损伤的连续累积，最终可能导致结构突然失效，造成巨大的经济损失和人员伤亡，所以应尽早检测和识别损伤，了解结构的健康状态，采取相应的处理和加固措施。通常采用的损伤检测系统分为以下4 阶段［1］: ①损伤识别; ②损伤定位; ③损伤评判; ④损伤预测。而损伤识别是结构健康监测过程中的一个关键环节，在目前的损伤识别过程中大都是通过一些传感器对系统的响应进行采集，然后从采集的信号中提取对结构损伤比较敏感的动力参数作为损伤特征，并对这些特征进行统计分析，以达到损伤识别的目的。但是在实际应用过程中，结构还会受到环境因素的影响，这些因素同样会导致结构的结构动力参数发生变化［2］。因此，如何减少或剔除诸多环境因素的影响，得到桥梁结构的真实状况，成为了结构损伤识别中的关键问题。
在实际桥梁健康监测中，桥梁动力参数的变化会受到温度、湿度、风、交通荷载等环境因素的影响。
Peeters 等［3］在对Z24 监测1 a 的数据中发现桥梁周围的温度变化和桥梁的固有频率之间呈现出非线性的关系，特别是温度低于冰点时这种关系尤为突出的。张启伟［4］利用徐浦大桥环境振动监测数据，研究斜拉桥在正常运营条件下动力特性的变化，结果表明: 即使在较为稳定的风与温度环境下，该桥整体振动的频率在1 d 内可以发生接近1%的变化。Xia等［5］对一块两跨钢筋混凝土连续板进行2 a 多的监测，发现环境条件改变特别是温度和湿度的变化会对结构振动特性产生影响，温度每上升1 ℃特征频率下降0． 2%，湿度每上升1% 特征频率下降0. 03%。宗周红等［6］研究一个同时受温度、风和交通荷载等环境因素影响的预应力混凝土连续梁桥，发现大桥的动力特性会随着环境因素的变化而变化，其中竖向固有频率最大变化可达3． 06%。Salawu 等［7］通过对混凝土桥和钢桥在同1 d 的4 次测量中发现，由于环境条件变化会造成的频率变化超过5%。
环境因素对结构模态参数的影响极为复杂，很难进行定性、直观分析，因此需要定性分析环境因素中对结构模态参数影响最为显著的因素。大量研究表明，温度是其中最主要的影响因素，正常温度变化引起的模态频率波动可以淹没结构轻微损伤所引起的频率变化。美国洛斯阿拉莫斯国家实验室对阿拉莫斯峡谷大桥进行了周期为24 h 的测试，研究发现［8］，桥面板温度接近22 ℃时，前三阶自振频率分别变化了4． 7%、6． 6% 和5%。许永吉等［9］在研究两跨钢筋混凝土组合梁时发现，随着温度的升高，竖向、纵向和横向的频率一致呈上升趋势，温差达到10 ℃时，频率的变化不超过6%。Zhao 等［10］对钢板梁桥2 a 的监测数据显示: 在温差达到30 ℃左右时桥梁固有频率的变化最大可达到15． 4%。Peeters等［11］对瑞士的Z24 桥进行了长期监测，经研究发现: 在近10 个月的时间中，该桥梁前四阶频率改变了14% ～ 16%，但是当该桥梁产生较大损伤时，其结构频率的改变不到10%。Magalhes 等［12］对葡萄牙波尔图市一座混凝土拱桥的测试中发现，在罕见的一次下雪天后，拱桥的固有频率变化了57%，而这座桥平常的频率变化低于0． 4%。
温度显著影响结构的模态频率，而对于他们之间的影响机理也存在大量研究。已有的研究显示［13］，环境温度影响结构模态频率主要有3 种方式: ①温度变化会使结构产生变形，从而使结构尺寸发生变化; ②温度变化会使超静定结构产生内力，而拉力使结构刚度增大，压力使结构刚度减小;③温度变化会影响结构材料的力学特性，尤其是材料的弹性模量． 混凝土和钢材的弹性模量均会随着温度的升高而降低，从而导致结构模态频率的降低。
Limongelli［14］数值模拟一个三跨的钢筋混凝土梁桥，在温度的影响下，结构的刚度会明显发生变化，并建立他们之间的一个关系式。Xia 等［15］监测一个钢筋混凝土板，从热力学的角度讨论了由于环境温度对结构的材料性能的影响，会使结构的弹性模量发生变化，进而影响结构的刚度。然后又监测了结构频率变化，发现温度变化和频率变化呈负相关关系。
Balmes 等［16］做了一个室内研究表明不同方向的热膨胀会产生轴向力，在这种力的作用下使得结构的刚度受到影响。虽然对于结构而言温度会直接影响的弹性模量和几何特性，但是如果直接监测温度对结构弹性模量的影响是十分困难的，因为本身结构的温度又具有时变性，分布不均匀性，滞后性等特点，所以很难实现。因此，需要通过间接的监测结构模态频率的变化，来考虑温度对结构的影响，进而进行损伤识别研究。
根据以上综述，依靠温度对结构模态特征的影响这一性质已经建立了很多损伤识别方法。目前传统的方法是基于结构振动的损伤识别方法，但是近些年出现了去除温度对频率的影响进行损伤检测的方法。
1· 基于结构振动的损伤识别方法
基于动力观测的结构损伤识别方法包括: ①基于频率的方法，固有频率在结构模态参数中容易得到，而且可通过观察它诊断结构状态; ②统计模式识别法，利用监测得到的数据建立统计模式，直接进行损伤识别; ③神经网络法，是一种非参数系统识别方法，它最大的优点是不需要建立结构系统的力学模型，仅根据测试的信息数据可实现损伤识别。
1． 1 基于频率的方法
当结构发生损伤，其质量和刚度均发生变化。基于频率变化进行损伤识别时，忽略结构质量的变化，仅考虑结构的刚度降低。这时，结构的固有频率降低，阻尼比增大。因此可以通过比较结构损伤发生前后固有频率的变化来识别结构损伤。Adams 等［17］和Cawley 等［18］首次提出利用基于测试频率的方法进行损伤识别。他们把固有频率作为敏感损伤特征，然后结合计算分析模型完成对结构的损伤识别。Morassi 等［19］通过使结构前几阶频率和测试频率相吻合，用优化算法对钢框架的切口损伤进行了损伤定位，指出在优化过程中设定一些合理约束条件的重要性。Sophia 等［20］将结构自振频率对应局部刚度变化的灵敏度列为待定方程组，根据采集损伤前后自振频率的变化进行损伤识别。
Kim 等［21］提出了一种通过自然频率方法来定位无劣化和估计损伤的大小。通过数值模拟的预应力混凝土梁的有限元模型，利用自然频率方法来定位几种损伤情形，并评估损伤的大小。分析结果表明，该方法不仅正确定位了损伤，而且准确地估计模拟测试梁裂缝的大小。
基于固有频率变化的损伤检测方法有其优点，但同时将频率作为损伤指标有一些难以克服的缺点: ①频率反映的是结构整体动态特性，难以反映结构局部损伤，而且不同位置的损伤可能引起相同的频率变化量。因此，仅用频率数据难以获得结构损伤的空间信息; ②对于大型复杂结构其高价频率难以获得，而结构的高价频率比低价频率对损伤更敏感，因此基于频率的方法只能识别那些低应力区的损伤。
1． 2 统计模式识别
基于统计模式的识别方法不再利用模态观测数据，而是直接利用时程观测响应，考虑环境因素和运行状态的变化，在无需结构模型的前提下，通过对观测响应的统计分析提取结构损伤敏感特征来识别损伤［22］。
Sohn 等［23］通过引入一种称为X － bar 控制图的统计过程控制技术，研究了基于动力观测的损伤诊断问题，分别使用完好和不同损伤阶段的动力响应数据建立AＲ 统计模型，将AＲ 模型系数作为损伤敏感特征，采用离群值分析方法识别不同结构状态。Fugate 等［24］建立了结构振动响应自回归时间序列模型，提取模型残差作为损伤特征量，采用控制图法监测结构状态，并通过对一桥墩实验验证了该方法的可行性和有效性。为了建立更敏感损伤指标，Bodeux 等［25］建立一种自回归时间序列平均移动向量( AＲMAV) 模型，该模型在对自由振动或强迫振动响应信号进行分析时，能很好地估计频率和模态。张启伟［26］利用时间序列( AＲ) 模型的相似分析将未知状态结构动力响应信号与正常结构数据基准进行归一化，然后根据模型残差分析提取结构损伤特征，最后在假定正态分布的前提下通过统计分析实现结构损伤识别。
马高等［27］针对结构在线损伤识别问题，提出一种基于时间序列分析的结构损伤识别方法。首先对结构振动响应的仿真数据建立了自回归滑动平均( AＲMA) 模型，然后将模型的前三阶AＲ 系数作为损伤敏感特征，最后通过对ASCE 损伤检测标准模型进行了相应的损伤识别试验，证明了该方法的可行性和有效性。
刘毅等［28］利用基于时间序列分析AＲMA 模型探讨了结构损伤特征提取和损伤预警的实现方法。首先对监测数据建立AＲMA 模型，利用模型的AＲ部分建立损伤敏感指标，再采用主成分分析的方法对损伤指标进行处理，最后采用t2 检验实现结构损伤预警。王真等［29］进一步推导了时间序列模型的自回归参数对结构单元刚度损伤系数的灵敏度方程，分析了自回归参数的灵敏度特性，在此基础上采用控制图进行结构损伤识别，并通过数值模拟梁验证了该方法的有效性和可行性。
Kullaa［30］依据对对瑞士的Z24 桥测量数据进行结构健康监测的研究。使用随机子空间识别技术和稳定图自动化响应数据的识别模态参数，然后结合主成分分析进一步降维，增加控制图对损伤的灵敏度，最后使用控制图进行损伤检测。
Deraemaeker 等［31］论述在不断变化的环境条件下用仅输出振动测量检测损伤的问题。从测量得到两种类型的特征: 使用一个自动化的随机子空间识别程序和模态滤波器的傅里叶变换计算峰值指标表示结构的特征。环境的影响采用因子分析法处理，并使用多元变量Shewhart － T 控制图和统计过程控制检测损坏。并数值模拟一个受环境变化而存在损伤的桥梁，研究损伤检测程序对噪声的敏感性。
基于统计的损伤识别方法虽然在一定程度上能够适用于多种结构的检测损伤，但是这种方法也存在一些不足: 一方面统计模型的精度受到数据样本量的影响，另一方面利用统计方法提取的损伤敏感特征取通常是多维向量，多维向量中各参数的重要性往往是不相同的，且各参数之间也不相互独立，这样不但会使识别的工作量增大，而且也给识别带来了困难［32］。
1． 3 神经网络法
神经网络方法具有强大的非线性映射能力，对于解决复杂结构的损伤识别有很大优势。利用神经网络进行损伤识别，多采用多层BP 网络。BP 网络结构简单，学习、训练算法较为成熟，它通过不断迭代的训练算法，使得样本测试数据和结构损伤状态匹配，实现非线性映射［33］。此外，还出现了神经网络方法和其他一些方法相结合的损伤识别技术，旨在两种方法的相互弥补实现损伤识别。
Klanke 等［34］使用概率神经网络研究了结构损伤识别问题，首先建立结构在损伤状态和完好状态下的观测数据集，利用概率神经网络对每一类数据集的概率密度函数进行估计，然后通过计算新的观测数据对损伤和完好两种状态的隶属程度实现损伤识别。周先通等［35］用神经网络方法对一个两层框架结构和香港青马大桥的结构频率进行了识别，结果表明该方法能够较好地达到识别效果。Ni 等［36］则建立了一种自适应概率神经网络模型，该模型对悬索桥和斜拉桥能够实现损伤定位，并且极大地优于传统概率神经网络。
Zhou 等［37］输入适当的结构到神经网络模拟温度引起的模态变化提高制定的相关模型复制和预测能力。这项研究利用了从装在香港汀九斜拉桥上的装置上得到的770 h 的模态频率和温度数据。把在桥的不同部分测得的3 种温度数据( 平均温度、有效温度、主要成分的温度) 输入到神经中枢模拟模态频率和周围环境的相关性。通过区分在训练数据集，验证数据集和测试数据集里的770 h 的模态频率和温度数据，为每一种输入制定一个优化配置的反向传播神经网络( BP 神经网络) ，其中验证数据是用来确定的隐藏节点的最佳数目，而应用提前终止技术优化BP 神经网络参数。分别用看到训练数据集和看不见的测试数据集检测和比较配置有3 种输入的BP 神经网络的复制性和预测性。据显示，在模态频率和温度之间制定一个良好的相关性模型的紧靠有效温度的温度曲线特点是不够的。经过比较表明利用足够数量的主要成分的温度，然后输入到神经中枢后在复制和预测能力方面比把平均温度输入到神经中枢后要好。
Zang 等［38］提出了一种新的方法来检测结构损伤，这种方法基于结合从时域数据和人工神经网络( ANN) 提取独立成分分析( ICA) ，并通过2 个结构成功检测到的有损伤和无损伤状态，而且具有很好的精度和复制能力。张治国等［39］以结构的振动模态作为输入数据，经过神经网络处理后构造出损伤敏感指标，进行损伤识别。Masri 等［40］则直接利用时程数据和神经网络进行损伤识别。
随着越来越多的人研究神经网络方法，它已经有了很大的发展。但是神经网络方法存在收敛速度慢、容易收敛到局部最小等缺点。因此，需要找到的更好能够优化这些缺点的方法，使神经网络方法有更好的利用价值。
2· 去除温度的影响，进行损伤识别
在实际应用过程中，结构会受到环境温度的影响，结构动力学参数会随环境温度的改变而发生变化，但是结构的温度又具有时变性，分布不均匀性，滞后性等特点，如果依靠传统的方法和影响机理建立损伤识别方法，难以得到桥梁结构的真实状况。因此，如何减少或剔除影响，成为了桥梁损伤检测和健康监测中的一个关键问题。近些年，出现了去除环境温度的影响，然后进行损伤识别的方法。在目前研究中去除环境温度影响的方法主要有，因子分析法［30］，主要成分分析法［41］，和异常值分解法［42］都可以抵消环境温度对结构敏感指标的影响。
Dupuis 等［43］利用实时测量环境温度和振动数据，建立环境温度和损伤敏感特征之间关系的数学模型来实施消除环境温度变量对损伤识别的影响。Yan 等［41］选用自振频率作为损伤特征参数，通过主成分分析的方法剔除了温度对自振频率的影响，最后实现损伤识别。相比自振频率和振型，模态柔度对结构损伤更为敏感。李苗等［44］选用模态柔度作为损伤特征参数，首先通过数值模拟算例对比分析温度变化和结构局部损伤对模态柔度的影响; 然后利用主成分分析去除在不同温度条件对结构的模态柔度的影响，最后利用残差建立统计模式进行结构损伤识别。Kullaa［45］直接采用考虑环境因素影响的方法，即环境因素作为影响变量嵌入在损伤特征参数之中，不需区分和测量各个环境因素的影响，利用主成分分析来剔除环境因素对损伤特征参数的影响，然后进行损伤检测。
Sohn［46］通过建立能够代表频率变化的物理现象模型，消除环境和操作因素对自然频率的影响，进而实现损伤识别。Magalhaes 等［12］通过静态和动态的回归模型进行交替试验，再结合主成分分析，消除环境和运营等因素的影响，得到最好的回归模型，最后再利用控制图进行损伤识别。结果表明，所用的处理方法能够检测等同一个数值模型模拟频率变化约0． 2%真实损伤情况。
Balmes 等［47］提出了一种基于仅输出的子空间的一个零空间的无参数损伤检测算法。这种算法假定多个数据集，而温度影响用一个平均值处理，建立一个Hankle 矩阵，并且温度只影响hankle 相关矩阵的频率部分，不影响振型，但是损伤同时影响频率和振型。然后对矩阵进行奇异值分解( SVD) ，得到系统矩阵，从而识别系统的模态参数。
孙晓丹等［48］提出基于小波包和概率主成份分析的损伤识别方法，该方法充分利用了小波包作为损伤指标灵敏度高的特性，又用概率主成份分析( PPCA) 的方法首先去除环境噪声和温度的影响，然后重构数据进行损伤工况的识别，用PPCA 提供的概率模型判断损伤的上下界，使得损伤识别更易进行。吴森等［49］为消除环境温度对结构损伤识别的影响，提出了一种基于主成分分析与小波包系数节点能量谱的损伤识别方法，该方法把环境温度当成影响结构动态响应的潜在变量，通过计算结构动态响应的主成分残差来消除环境温度对动态响应的干扰，并通过此残差小波包系数节点能量谱计算结构损伤敏感特征，最后通过对比结构未知状态和参考状态的损伤敏感特征判别结构是否损伤。
3· 结论与展望
基于振动特性改变的结构损伤检测方法在近几十年来得到了长足的发展，但是由于土木工程结构的复杂性加上损伤分布和损伤程度有很大的随机性，这些方法在工程实际应用中遇到了很多困难［50］。随后出现的去除温度对模态特征的影响进而进行损伤检测的方法，在精度方面有了很大的提高，但是仍然存在有一些问题。因此，做好以下几个关键性的研究对于损伤检测方法发展有重要的意义。
① 温度对结构的影响已经有大量的研究，并且针对这一特点研究出很多种损伤识别方法。但是在众多的环境因素中，风、湿度、交通荷载在很多情况下同样会对结构的模态特征产生显著影响，是否可以利用他们研究更多的精度更高的损伤识别方法，对于这点目前相关的研究还很不充分。
② 在结构损伤识别研究中，非线性研究问题一直是一个难点，许多理论问题还没有很好地解决，而在基于结构动力的结构损伤识别中非线性问题是必不可少的。所以需要更好的研究有关影响动力特征的非线性因素。
③ 在基于统计的方法中，利用时域响应建立统计模型的方法只需考虑系统的输出数据，对其建立相应的时序模型，不必考虑系统有多少输入、系统与外界的联系方式、系统的复杂性等因素，具有损伤识别准确度高、对小损伤敏感、对环境影响要求低、可操作性强等特点。但是损伤的位置以及损伤的程度却不能很好地判断，而损伤定位和损伤程度的评价也是损伤监测中必不可少的环节。因此，在基于统计的方法中，如何进行损伤定位和损伤程度评价，是进一步研究的重点。
④ 在大型结构的损伤识别过程中，已经发展了多种方法，有基于振动理论，基于信号处理，基于模式识别和控制理论的等。但是这些方法都具有各自的优缺点，下一步需要做的是按照优势互补原则，把各种损伤识别算法综合起来进行损伤识别，从而提高损伤识别的精度。
⑤ 利用结构在线信息进行损伤识别是一种实用有效的方法，具有实时性、连续性和预报性。近十几年来随着人工智能化和智能材料的不断发展，为获取在线监测信息提供了可靠的前提。在未来结构健康监测的发展方向将是在线智能传感技术，即通过一套完整的在线监测系统识别结构损伤。
在实际桥梁健康监测中，桥梁动力参数的变化会受到温度、湿度、风、交通荷载等环境因素的影响。
Peeters 等［3］在对Z24 监测1 a 的数据中发现桥梁周围的温度变化和桥梁的固有频率之间呈现出非线性的关系，特别是温度低于冰点时这种关系尤为突出的。张启伟［4］利用徐浦大桥环境振动监测数据，研究斜拉桥在正常运营条件下动力特性的变化，结果表明: 即使在较为稳定的风与温度环境下，该桥整体振动的频率在1 d 内可以发生接近1%的变化。Xia等［5］对一块两跨钢筋混凝土连续板进行2 a 多的监测，发现环境条件改变特别是温度和湿度的变化会对结构振动特性产生影响，温度每上升1 ℃特征频率下降0． 2%，湿度每上升1% 特征频率下降0. 03%。宗周红等［6］研究一个同时受温度、风和交通荷载等环境因素影响的预应力混凝土连续梁桥，发现大桥的动力特性会随着环境因素的变化而变化，其中竖向固有频率最大变化可达3． 06%。Salawu 等［7］通过对混凝土桥和钢桥在同1 d 的4 次测量中发现，由于环境条件变化会造成的频率变化超过5%。
环境因素对结构模态参数的影响极为复杂，很难进行定性、直观分析，因此需要定性分析环境因素中对结构模态参数影响最为显著的因素。大量研究表明，温度是其中最主要的影响因素，正常温度变化引起的模态频率波动可以淹没结构轻微损伤所引起的频率变化。美国洛斯阿拉莫斯国家实验室对阿拉莫斯峡谷大桥进行了周期为24 h 的测试，研究发现［8］，桥面板温度接近22 ℃时，前三阶自振频率分别变化了4． 7%、6． 6% 和5%。许永吉等［9］在研究两跨钢筋混凝土组合梁时发现，随着温度的升高，竖向、纵向和横向的频率一致呈上升趋势，温差达到10 ℃时，频率的变化不超过6%。Zhao 等［10］对钢板梁桥2 a 的监测数据显示: 在温差达到30 ℃左右时桥梁固有频率的变化最大可达到15． 4%。Peeters等［11］对瑞士的Z24 桥进行了长期监测，经研究发现: 在近10 个月的时间中，该桥梁前四阶频率改变了14% ～ 16%，但是当该桥梁产生较大损伤时，其结构频率的改变不到10%。Magalhes 等［12］对葡萄牙波尔图市一座混凝土拱桥的测试中发现，在罕见的一次下雪天后，拱桥的固有频率变化了57%，而这座桥平常的频率变化低于0． 4%。
温度显著影响结构的模态频率，而对于他们之间的影响机理也存在大量研究。已有的研究显示［13］，环境温度影响结构模态频率主要有3 种方式: ①温度变化会使结构产生变形，从而使结构尺寸发生变化; ②温度变化会使超静定结构产生内力，而拉力使结构刚度增大，压力使结构刚度减小;③温度变化会影响结构材料的力学特性，尤其是材料的弹性模量． 混凝土和钢材的弹性模量均会随着温度的升高而降低，从而导致结构模态频率的降低。
Limongelli［14］数值模拟一个三跨的钢筋混凝土梁桥，在温度的影响下，结构的刚度会明显发生变化，并建立他们之间的一个关系式。Xia 等［15］监测一个钢筋混凝土板，从热力学的角度讨论了由于环境温度对结构的材料性能的影响，会使结构的弹性模量发生变化，进而影响结构的刚度。然后又监测了结构频率变化，发现温度变化和频率变化呈负相关关系。
Balmes 等［16］做了一个室内研究表明不同方向的热膨胀会产生轴向力，在这种力的作用下使得结构的刚度受到影响。虽然对于结构而言温度会直接影响的弹性模量和几何特性，但是如果直接监测温度对结构弹性模量的影响是十分困难的，因为本身结构的温度又具有时变性，分布不均匀性，滞后性等特点，所以很难实现。因此，需要通过间接的监测结构模态频率的变化，来考虑温度对结构的影响，进而进行损伤识别研究。
根据以上综述，依靠温度对结构模态特征的影响这一性质已经建立了很多损伤识别方法。目前传统的方法是基于结构振动的损伤识别方法，但是近些年出现了去除温度对频率的影响进行损伤检测的方法。
1· 基于结构振动的损伤识别方法
基于动力观测的结构损伤识别方法包括: ①基于频率的方法，固有频率在结构模态参数中容易得到，而且可通过观察它诊断结构状态; ②统计模式识别法，利用监测得到的数据建立统计模式，直接进行损伤识别; ③神经网络法，是一种非参数系统识别方法，它最大的优点是不需要建立结构系统的力学模型，仅根据测试的信息数据可实现损伤识别。
1． 1 基于频率的方法
当结构发生损伤，其质量和刚度均发生变化。基于频率变化进行损伤识别时，忽略结构质量的变化，仅考虑结构的刚度降低。这时，结构的固有频率降低，阻尼比增大。因此可以通过比较结构损伤发生前后固有频率的变化来识别结构损伤。Adams 等［17］和Cawley 等［18］首次提出利用基于测试频率的方法进行损伤识别。他们把固有频率作为敏感损伤特征，然后结合计算分析模型完成对结构的损伤识别。Morassi 等［19］通过使结构前几阶频率和测试频率相吻合，用优化算法对钢框架的切口损伤进行了损伤定位，指出在优化过程中设定一些合理约束条件的重要性。Sophia 等［20］将结构自振频率对应局部刚度变化的灵敏度列为待定方程组，根据采集损伤前后自振频率的变化进行损伤识别。
Kim 等［21］提出了一种通过自然频率方法来定位无劣化和估计损伤的大小。通过数值模拟的预应力混凝土梁的有限元模型，利用自然频率方法来定位几种损伤情形，并评估损伤的大小。分析结果表明，该方法不仅正确定位了损伤，而且准确地估计模拟测试梁裂缝的大小。
基于固有频率变化的损伤检测方法有其优点，但同时将频率作为损伤指标有一些难以克服的缺点: ①频率反映的是结构整体动态特性，难以反映结构局部损伤，而且不同位置的损伤可能引起相同的频率变化量。因此，仅用频率数据难以获得结构损伤的空间信息; ②对于大型复杂结构其高价频率难以获得，而结构的高价频率比低价频率对损伤更敏感，因此基于频率的方法只能识别那些低应力区的损伤。
1． 2 统计模式识别
基于统计模式的识别方法不再利用模态观测数据，而是直接利用时程观测响应，考虑环境因素和运行状态的变化，在无需结构模型的前提下，通过对观测响应的统计分析提取结构损伤敏感特征来识别损伤［22］。
Sohn 等［23］通过引入一种称为X － bar 控制图的统计过程控制技术，研究了基于动力观测的损伤诊断问题，分别使用完好和不同损伤阶段的动力响应数据建立AＲ 统计模型，将AＲ 模型系数作为损伤敏感特征，采用离群值分析方法识别不同结构状态。Fugate 等［24］建立了结构振动响应自回归时间序列模型，提取模型残差作为损伤特征量，采用控制图法监测结构状态，并通过对一桥墩实验验证了该方法的可行性和有效性。为了建立更敏感损伤指标，Bodeux 等［25］建立一种自回归时间序列平均移动向量( AＲMAV) 模型，该模型在对自由振动或强迫振动响应信号进行分析时，能很好地估计频率和模态。张启伟［26］利用时间序列( AＲ) 模型的相似分析将未知状态结构动力响应信号与正常结构数据基准进行归一化，然后根据模型残差分析提取结构损伤特征，最后在假定正态分布的前提下通过统计分析实现结构损伤识别。
马高等［27］针对结构在线损伤识别问题，提出一种基于时间序列分析的结构损伤识别方法。首先对结构振动响应的仿真数据建立了自回归滑动平均( AＲMA) 模型，然后将模型的前三阶AＲ 系数作为损伤敏感特征，最后通过对ASCE 损伤检测标准模型进行了相应的损伤识别试验，证明了该方法的可行性和有效性。
刘毅等［28］利用基于时间序列分析AＲMA 模型探讨了结构损伤特征提取和损伤预警的实现方法。首先对监测数据建立AＲMA 模型，利用模型的AＲ部分建立损伤敏感指标，再采用主成分分析的方法对损伤指标进行处理，最后采用t2 检验实现结构损伤预警。王真等［29］进一步推导了时间序列模型的自回归参数对结构单元刚度损伤系数的灵敏度方程，分析了自回归参数的灵敏度特性，在此基础上采用控制图进行结构损伤识别，并通过数值模拟梁验证了该方法的有效性和可行性。
Kullaa［30］依据对对瑞士的Z24 桥测量数据进行结构健康监测的研究。使用随机子空间识别技术和稳定图自动化响应数据的识别模态参数，然后结合主成分分析进一步降维，增加控制图对损伤的灵敏度，最后使用控制图进行损伤检测。
Deraemaeker 等［31］论述在不断变化的环境条件下用仅输出振动测量检测损伤的问题。从测量得到两种类型的特征: 使用一个自动化的随机子空间识别程序和模态滤波器的傅里叶变换计算峰值指标表示结构的特征。环境的影响采用因子分析法处理，并使用多元变量Shewhart － T 控制图和统计过程控制检测损坏。并数值模拟一个受环境变化而存在损伤的桥梁，研究损伤检测程序对噪声的敏感性。
基于统计的损伤识别方法虽然在一定程度上能够适用于多种结构的检测损伤，但是这种方法也存在一些不足: 一方面统计模型的精度受到数据样本量的影响，另一方面利用统计方法提取的损伤敏感特征取通常是多维向量，多维向量中各参数的重要性往往是不相同的，且各参数之间也不相互独立，这样不但会使识别的工作量增大，而且也给识别带来了困难［32］。
1． 3 神经网络法
神经网络方法具有强大的非线性映射能力，对于解决复杂结构的损伤识别有很大优势。利用神经网络进行损伤识别，多采用多层BP 网络。BP 网络结构简单，学习、训练算法较为成熟，它通过不断迭代的训练算法，使得样本测试数据和结构损伤状态匹配，实现非线性映射［33］。此外，还出现了神经网络方法和其他一些方法相结合的损伤识别技术，旨在两种方法的相互弥补实现损伤识别。
Klanke 等［34］使用概率神经网络研究了结构损伤识别问题，首先建立结构在损伤状态和完好状态下的观测数据集，利用概率神经网络对每一类数据集的概率密度函数进行估计，然后通过计算新的观测数据对损伤和完好两种状态的隶属程度实现损伤识别。周先通等［35］用神经网络方法对一个两层框架结构和香港青马大桥的结构频率进行了识别，结果表明该方法能够较好地达到识别效果。Ni 等［36］则建立了一种自适应概率神经网络模型，该模型对悬索桥和斜拉桥能够实现损伤定位，并且极大地优于传统概率神经网络。
Zhou 等［37］输入适当的结构到神经网络模拟温度引起的模态变化提高制定的相关模型复制和预测能力。这项研究利用了从装在香港汀九斜拉桥上的装置上得到的770 h 的模态频率和温度数据。把在桥的不同部分测得的3 种温度数据( 平均温度、有效温度、主要成分的温度) 输入到神经中枢模拟模态频率和周围环境的相关性。通过区分在训练数据集，验证数据集和测试数据集里的770 h 的模态频率和温度数据，为每一种输入制定一个优化配置的反向传播神经网络( BP 神经网络) ，其中验证数据是用来确定的隐藏节点的最佳数目，而应用提前终止技术优化BP 神经网络参数。分别用看到训练数据集和看不见的测试数据集检测和比较配置有3 种输入的BP 神经网络的复制性和预测性。据显示，在模态频率和温度之间制定一个良好的相关性模型的紧靠有效温度的温度曲线特点是不够的。经过比较表明利用足够数量的主要成分的温度，然后输入到神经中枢后在复制和预测能力方面比把平均温度输入到神经中枢后要好。
Zang 等［38］提出了一种新的方法来检测结构损伤，这种方法基于结合从时域数据和人工神经网络( ANN) 提取独立成分分析( ICA) ，并通过2 个结构成功检测到的有损伤和无损伤状态，而且具有很好的精度和复制能力。张治国等［39］以结构的振动模态作为输入数据，经过神经网络处理后构造出损伤敏感指标，进行损伤识别。Masri 等［40］则直接利用时程数据和神经网络进行损伤识别。
随着越来越多的人研究神经网络方法，它已经有了很大的发展。但是神经网络方法存在收敛速度慢、容易收敛到局部最小等缺点。因此，需要找到的更好能够优化这些缺点的方法，使神经网络方法有更好的利用价值。
2· 去除温度的影响，进行损伤识别
在实际应用过程中，结构会受到环境温度的影响，结构动力学参数会随环境温度的改变而发生变化，但是结构的温度又具有时变性，分布不均匀性，滞后性等特点，如果依靠传统的方法和影响机理建立损伤识别方法，难以得到桥梁结构的真实状况。因此，如何减少或剔除影响，成为了桥梁损伤检测和健康监测中的一个关键问题。近些年，出现了去除环境温度的影响，然后进行损伤识别的方法。在目前研究中去除环境温度影响的方法主要有，因子分析法［30］，主要成分分析法［41］，和异常值分解法［42］都可以抵消环境温度对结构敏感指标的影响。
Dupuis 等［43］利用实时测量环境温度和振动数据，建立环境温度和损伤敏感特征之间关系的数学模型来实施消除环境温度变量对损伤识别的影响。Yan 等［41］选用自振频率作为损伤特征参数，通过主成分分析的方法剔除了温度对自振频率的影响，最后实现损伤识别。相比自振频率和振型，模态柔度对结构损伤更为敏感。李苗等［44］选用模态柔度作为损伤特征参数，首先通过数值模拟算例对比分析温度变化和结构局部损伤对模态柔度的影响; 然后利用主成分分析去除在不同温度条件对结构的模态柔度的影响，最后利用残差建立统计模式进行结构损伤识别。Kullaa［45］直接采用考虑环境因素影响的方法，即环境因素作为影响变量嵌入在损伤特征参数之中，不需区分和测量各个环境因素的影响，利用主成分分析来剔除环境因素对损伤特征参数的影响，然后进行损伤检测。
Sohn［46］通过建立能够代表频率变化的物理现象模型，消除环境和操作因素对自然频率的影响，进而实现损伤识别。Magalhaes 等［12］通过静态和动态的回归模型进行交替试验，再结合主成分分析，消除环境和运营等因素的影响，得到最好的回归模型，最后再利用控制图进行损伤识别。结果表明，所用的处理方法能够检测等同一个数值模型模拟频率变化约0． 2%真实损伤情况。
Balmes 等［47］提出了一种基于仅输出的子空间的一个零空间的无参数损伤检测算法。这种算法假定多个数据集，而温度影响用一个平均值处理，建立一个Hankle 矩阵，并且温度只影响hankle 相关矩阵的频率部分，不影响振型，但是损伤同时影响频率和振型。然后对矩阵进行奇异值分解( SVD) ，得到系统矩阵，从而识别系统的模态参数。
孙晓丹等［48］提出基于小波包和概率主成份分析的损伤识别方法，该方法充分利用了小波包作为损伤指标灵敏度高的特性，又用概率主成份分析( PPCA) 的方法首先去除环境噪声和温度的影响，然后重构数据进行损伤工况的识别，用PPCA 提供的概率模型判断损伤的上下界，使得损伤识别更易进行。吴森等［49］为消除环境温度对结构损伤识别的影响，提出了一种基于主成分分析与小波包系数节点能量谱的损伤识别方法，该方法把环境温度当成影响结构动态响应的潜在变量，通过计算结构动态响应的主成分残差来消除环境温度对动态响应的干扰，并通过此残差小波包系数节点能量谱计算结构损伤敏感特征，最后通过对比结构未知状态和参考状态的损伤敏感特征判别结构是否损伤。
3· 结论与展望
基于振动特性改变的结构损伤检测方法在近几十年来得到了长足的发展，但是由于土木工程结构的复杂性加上损伤分布和损伤程度有很大的随机性，这些方法在工程实际应用中遇到了很多困难［50］。随后出现的去除温度对模态特征的影响进而进行损伤检测的方法，在精度方面有了很大的提高，但是仍然存在有一些问题。因此，做好以下几个关键性的研究对于损伤检测方法发展有重要的意义。
① 温度对结构的影响已经有大量的研究，并且针对这一特点研究出很多种损伤识别方法。但是在众多的环境因素中，风、湿度、交通荷载在很多情况下同样会对结构的模态特征产生显著影响，是否可以利用他们研究更多的精度更高的损伤识别方法，对于这点目前相关的研究还很不充分。
② 在结构损伤识别研究中，非线性研究问题一直是一个难点，许多理论问题还没有很好地解决，而在基于结构动力的结构损伤识别中非线性问题是必不可少的。所以需要更好的研究有关影响动力特征的非线性因素。
③ 在基于统计的方法中，利用时域响应建立统计模型的方法只需考虑系统的输出数据，对其建立相应的时序模型，不必考虑系统有多少输入、系统与外界的联系方式、系统的复杂性等因素，具有损伤识别准确度高、对小损伤敏感、对环境影响要求低、可操作性强等特点。但是损伤的位置以及损伤的程度却不能很好地判断，而损伤定位和损伤程度的评价也是损伤监测中必不可少的环节。因此，在基于统计的方法中，如何进行损伤定位和损伤程度评价，是进一步研究的重点。
④ 在大型结构的损伤识别过程中，已经发展了多种方法，有基于振动理论，基于信号处理，基于模式识别和控制理论的等。但是这些方法都具有各自的优缺点，下一步需要做的是按照优势互补原则，把各种损伤识别算法综合起来进行损伤识别，从而提高损伤识别的精度。
⑤ 利用结构在线信息进行损伤识别是一种实用有效的方法，具有实时性、连续性和预报性。近十几年来随着人工智能化和智能材料的不断发展，为获取在线监测信息提供了可靠的前提。在未来结构健康监测的发展方向将是在线智能传感技术，即通过一套完整的在线监测系统识别结构损伤。