本文以美国ASCE健康监测的Benchmark模型为对象,利用小波变换分析方法探讨研究了目前结构在线实时损伤识别技术存在的若干基本问题,为结构在线实时损伤识别技术的实用化尝试提供了新的思路。主要工作如下:首先,简要介绍了小波分析的基本理论,包括小波分析的发展、连续小波变换、离散小波变换以及小波变换的快速算法—Mallat算法。其次,针对目前结构实时在线损伤识别研究存在的问题,在ASCE结构健康监测任务组编写的Benchmark模型动力响应计算程序的基础上,修改编制了适用于本文研究目的的数值模拟试验程序。1)修改程序使其可以计算在荷载作用过程中发生突然损伤体系的非线性动力响应,并通过对比分析数值模拟结果,发现王焕定教授提出的高阶单步β(Wang-β)法要明显优于目前最常用的Newmark-β法和Wilsion-θ法;2)改编程序以增加地震动输入下发生突然损伤benchmark模型的动力响应计算功能,使其可以考查不同荷载输入对小波变换损伤识别方法的影响;3)修正了Benchmark源程序中加噪声函数存在的无法准确控制噪声输入水平的问题。大量的数值模拟试验结果表明,对响应加速度信号进行小波变换分析,通过细节信号“尖峰”在时间轴上的位置可以识别系统损伤的时刻,通过“尖峰”的高度可以识别结构损伤的位置。主要结论如下:⑴在线的实时的损伤数值模拟中,结构响应计算应采用高精度的计算方法,如Wang-β法,以获取较高的频率信息。⑵使用离散小波变换的方法进行损伤识别,选取ReverseBior小波效果较好。⑶损伤程度越大,利用小波变换进行损伤识别所需的最低采样频率越小;损伤程度越小,所需的最低采样频率越大。在相同损伤程度下,风荷载作用所需的可识别最低频率,高于地震作用的可识别最低频率。推荐采样频率范围1000～2000Hz。⑷“尖峰”的高度与荷载的强度、损伤程度以及测点(传感器的位置)距损伤位置的距离有关。随着荷载强度的增加,“尖峰”高度增加,随着荷载强度的减小,“尖峰”高度减小。随着损伤程度的增大,“尖峰”高度增大;反之,“尖峰”高度减小。随着测点距损伤位置距离的增加,“尖峰”高度减小;反之,“尖峰”高度增大。⑸实测信号噪声的影响规律为:对于在低荷载强度激励下,微小损伤的识别要求传感器有非常高的精度。在测点离损伤位置很远的情况下,传感器自身的噪声可能将微小损伤信号的“尖峰”淹没;在较大损伤或较强的荷载激励下,噪声的影响则非常小。