结构在使用过程中会遭受各种损伤,一些不易被检测的损伤可能会持续发展并导致结构破坏,因此,近年来有关结构损伤识别的研究受到了广泛关注,基于模态参数的损伤识别方法是目前应用最广泛的方法。本文在国家自然科学基金“基于压电智能和波谱单元模型修正的结构损伤识别”(50378041)的资助下,发展了一种将模态参数敏感性理论与遗传算法相结合识别多高层建筑结构损伤的新方法。论文以多高层建筑结构模型为基础,利用波传播理论得到了模态参数(频率、振型、振型斜率及曲率)变化对各层柔度变化的敏感系数公式,分析了模态参数敏感系数的变化规律,探讨了不同模态参数敏感性的共性及不同。随后,利用模态参数敏感方程将多高层结构损伤识别转化为数学优化问题,运用遗传算法进行优化求解,分别识别了10 层、20 层剪切型结构和实验室三层框架结构的各种损伤。提出了先利用模态参数敏感性预测大致损伤位置,再利用结构频率测量值的变化进一步识别损伤大小的“两步法”,并用20 层剪切型结构的数值结果及三层框架结构的试验结果验证了该方法的可行性。论文同时比较了遗传算法与最小二乘法对各种损伤工况的优化计算结果,讨论了遗传算法的收敛性,并探讨了各种遗传参数及遗传策略对其性质的影响。最后,分析了所提出方法的不足,并对结构损伤识别研究的进一步发展进行了展望。数值和试验结果表明,论文提出的方法对文中不同结构模型的损伤识别都是成功的; 与最小二乘法相比,遗传算法作为一种自适应进化算法,具有更好的鲁棒性和强大的全局搜索能力,更适用于存在多局部最优点的结构损伤识别问题,算法的设计是决定识别结果的关键; 使用敏感性方法识别多高层结构损伤无需事先知道结构的物理参数和有限元模型,所需测量数据少,更适用于实际工程; 而对层数多的复杂结构,所提出的“两步法”能得到精确的结果,且可以大大提高识别的正确性和精度,节省计算量。