受不同工作载荷和各种环境工况的影响,在役工程结构易产生诸如疲劳、断裂、松动、层脱等形式的损伤,进而威胁到结构运行安全。为确保结构的安全运行并对结构的健康状态进行评估,结构健康监测技术应运而生并得到迅速发展。结构在振动环境下易发生伴随着非线性特征的结构损伤,由结构加速度响应数据提取的自回归模型(Auto Regressive Model,ARModel)系数包含表征结构状态的信息,通常来说可以根据结构损伤前后特征参数的变化实现损伤识别。然而,环境改变所引起的结构特征参数的变化往往会掩盖结构损伤所引起的特征参数的变化,从而导致损伤误报。就上述问题,本文基于统计分析的基本原理,发展了一种基于主成分分析(Principal Component Analysis,PCA)的损伤识别方法,对框架结构碰撞非线性损伤源的识别进行理论与实验研究,在此基础上,采用核主成分分析(Kernel Principal Component Analysis,KPCA)方法进一步讨论了不同环境工况下统计分析方法识别结构损伤的有效性。具体工作概括为以下几个方面:第一章,介绍本文的课题研究背景以及基于统计分析方法的结构健康监测领域的研究现状,概述了环境工况对结构损伤识别的影响,着重介绍了环境影响下基于回归分析和统计分析的损伤识别方法,并详细介绍了本文的主要工作。第二章,介绍AR模型基本原理,说明AR模型建模过程并阐述AR模型系数在结构损伤识别中的力学意义,根据AR模型系数构造损伤指标,通过ANSYS二维悬臂梁数值仿真验证损伤指标的有效性及其在环境影响下的局限性。第三章,介绍统计分析基本原理,推导主成分分析及核主成分分析求解过程,引入多元控制图理论并介绍几种损伤识别中常用的多元统计量,讨论采用统计分析方法构造结构损伤指标的合理性并讨论主成分阶数的选择对识别结果的影响。第四章,介绍框架结构振动实验研究,以四层钢框架结构为实验对象,通过碰撞非线性模型模拟结构非线性损伤,利用结构加速度数据建立AR模型,采用主成分分析的方法对实验数据进行压缩和特征提取,并通过构造损伤指标,实现了对框架结构非线性损伤的识别。在此基础上,通过在框架结构第三层施加质量块模拟环境工况的影响,采用核主成分分析方法将标准化处理后的AR模型系数投影到高维特征空间,构造平方预测误差(Square Prediction Error,SPE)统计量作为损伤指标,对环境工况影响下的结构损伤进行识别与分析。最后,总结全文,并阐述研究中的不足与展望。