基于激光扫描技术开展的结构损伤识别研究,通过视觉传感器捕捉结构损伤信号,采用神经网络算法模型,发现、定位、甚至检测并监测损伤,具有实时快速、高效智能、节约资源等优点;自20世纪70年代末以来,结构健康监测已受到广泛关注并取得显著进步,提出多种结构损伤识别方法,但其仍面临受制约因素多、损伤识别模型精确度及损伤监测指标敏感性有待提高等挑战。本文主要开展基于激光扫描技术的结构健康监测核心问题研究:损伤识别网络模型搭建及损伤监测指标提取。重点发展无需光照及多设备体集成的激光扫描设备、对检测环境等不敏感而对损伤敏感的结构损伤识别方法、有效提高识别精度的损伤网络模型,以及提取监测结构健康状态损伤敏感特性指标,主要研究内容如下:(1)自主研制一种高精度三维激光扫描(3D Laser Scanning)系统。由直线滑块模组和2D激光测距传感器共同集成3D激光扫描系统,通过步进电机控制滑组丝杆精细动作以实现激光测距传感器精准升降扫描。设计激光扫描系统设计方案,推导该系统的结构量测计算原理。将2D激光测距传感器增加一维传动执行装置,完成结构试验量测系统的制作方法。基于结构检测实例开展系统量测实用性、扫描结果准确性验证分析。(2)开展不同维度下损伤图像纹理特性研究,并结合三维激光扫描系统测量原理及扫描获取损伤图像性质,提出有效降低点云数据量方法。深入研究结构损伤图像增强方法,并开展混凝土结构损伤图像优化质量评价。(3)建立表征结构损伤纹理特性灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM),基于统计学方法定量描述结构损伤情况。基于GLCM核心——生成准则,提出改进灰度共生矩阵的方法,构建全面分析组合体形式生成准则的灰度共生矩阵。同时,基于改进后GLCM,分析混凝土结构损伤特征参数表征的损伤特性,开展损伤特征提取以及损伤指标筛选。(4)研究混凝土结构损伤识别自组织特征映射神经网络(Self Organizing Map,SOM)模型构建方法,损伤识别网络模型搭建、学习过程及算法流程等。基于SOM拓扑结构,提出优化网络方法,并应用改进后网络模型开展结构损伤识别研究。(5)开展基于G-S-G混凝土结构损伤状态指标健康状态监测方法。基于损伤纹理特性,开展可识别并监测结构损伤信息的损伤状态指标。针对指标敏感特性及表征能力对指标进行筛选及可靠性验证。基于自主研制的激光扫描量测装置,结合GLCM提取的损伤指标,搭建的改进SOM混凝土结构损伤识别模型,有效识别损伤类型、损伤指标对损伤状态敏感,对及时发现结构中早期损伤具有重要意义。