大跨度张力空间结构是体现国家建筑科学技术发展水平的重要标志之一,具有形式多样、轻质高强、建筑空间广阔宽敞的特点。其中的索网结构常用于重大公共基础设施领域,这类建筑往往跨度大、受力复杂,大量采用新技术、新材料和新工艺,在设计、施工上具有很大创新性和挑战性。伴随着社会经济发展、工程实践经验增加和结构服役时间累积,对索网结构建设标准和安全需求也日益提高,其中结构健康诊治问题逐步引起了多方关注。因此,为了保障重大工程安全平稳运行,本文围绕索网结构静动力特性追踪的这一科学问题,以静动力实测技术研发为基础,开展了监测数据预处理实践方法、全过程位移监测方法以及结构动力实测特性分析三个方面的研究:（1）张力空间结构静动力实测技术研发。提出了基于激光位移测量原理的大面域位移实测技术,解决了传统位移监测中管线铺设和监测点安装困难等难题,克服了传统大面域空间结构施工过程中无法同步测量关键部位位移的局限性。探索了基于微机电系统（Micro-Electro-Mechanical System,MEMS）技术的大面域振动加速度响应实测方法。提出了针对张力空间结构的MEMS加速度传感器选型、测试及标定方法,解决了长期动力监测过程中由于结构变形或设备安装偏差而导致测量偏差问题,提高结构动力响应测量的准确性,为结构动力模态参数的捕捉提供有力的技术支撑。针对不同应用场景需求分别研发了适用静动力监测的无线感知节点,并根据静力位移与动力响应采样率、覆盖范围的特点,分别结合Lo Ra通讯技术以及4G+Lo Ra组合式通讯的无线传感网络,实现大面域信号覆盖与数据传输,满足大规模屋面的监测需求,完善了无线监测系统。（2）异常振动监测数据故障诊断方法。研究了结构健康监测领域中的异常振动监测数据故障诊断问题,提出了一种基于半监督学习的故障振动数据诊断方法。故障诊断框架内包括了基于无监督学习的故障数据样本分类以及有监督学习方法的故障数据快速批量化诊断两部分内容。引入小波散射方法提取了振动监测样本故障特征,接着利用动态时间扭曲算法实现了对振动数据样本特征的自动聚类,从而标记出故障样本类别并依次添加数据标签。利用长短时记忆神经网络对带标签的样本集进行有监督学习,得到了振动监测数据特征分类的神经网络模型,改善了基于动态时间扭曲算法的无监督学习分类效率不佳的问题,提高故障诊断效率。最后,通过国家速滑馆实测振动监测数据对提出方法的实用性与有效性进行了验证。（3）振动监测数据时间同步方法研究。提出了一种基于数据驱动的振动监测测点时间同步方法,用于解决无线传感网络在结构健康监测领域应用过程中时间同步性问题。该方法建立在仅输出响应识别方法中的频域分解法的基础上,结合了频率挤压技术用以改善了一阶奇异值频谱的可读性,进而准确提取了时间异步状态下的结构模态信息,接着建立了测点通道间延时与异步模态相位偏差之间的对应关系,最终确定了测点延时的最优估计。最后,利用白噪声激励的四层框架数值模拟、振动台五层钢框架试验研究以及国家速滑馆实测响应三个算例对所提方法的准确性进行了验证,结果表明所提出的方法可以纠正无线加速度传感器的时间偏差,作为硬件同步的一种补充手段。（4）索网结构静力位移监测及预警方法研究。介绍了国家速滑馆这一目前世界跨度最大索网结构的工程概况、结构体系、监测系统及主要施工工序。针对索网结构施工工序及结构特点,开展了索网结构施工模拟,确立了施工阶段索网结构监测目标,结合激光位移实测技术提出了相应静力位移追踪方法,通过对比仿真模拟结果与实测结果,验证了无线位移监测的有效性,保障了施工过程中的安全,积累了该类结构施工位移控制经验。此外,针对运维阶段的静力位移监测,提出了基于经验模态分解与长短时记忆卷积神经网络的静力位移预警方法,方法包括了位移预测与位移阈值估计两部分。首先利用经验模态分解法将历史位移时序信号分解成一系列子序列,分别构建对应子序列的长短时记忆神经网络训练模型,通过模拟信号和实测信号对模型的预测效果进行验证,结果表明所提出的预警方法相比常规回归模型具有较好的预测精度。此外,构建了基于Anderson-Darling检验统计量的位移预警指标DTI,克服了传统超阈值均值图法中阈值估计主观选择误差较大问题,实现了最佳位移阈值估计。（5）索网结构动力模态参数追踪方法研究。基于矩阵摄动法分析了考虑预应力偏差下的索网结构动力模态分析,分析结果表明索网结构易发生模态跃迁情况,提出了密频结构的模态参数自动识别与追踪方法,克服了长期运营过程中动力模态参数依赖于专业人员手动选取操作的主观性与不确定性,方法成功应用到国家速滑馆动力监测,实现了索网结构动力模态参数自动化追踪。通过长期监测追踪,分析了索网结构实测模态阻尼比和模态频率的变化规律,研究了索网模态参数与实测环境温度、实测索力之间的相关性关系,总结了国家速滑馆索网结构模态参数变化规律。