基于结构振动响应(输出)的系统识别近年来已成为结构健康监测领域中重要研究课题,包括线性系统的识别和非线性系统的识别。对于线性时不变系统的参数识别,目前已有不少学者提出了诸多研究方法理论。然而,实际建筑结构在服役期间,由于一些自然和人为因素影响,如环境腐蚀、结构损伤、材料老化、荷载长期作用下等,往往会表现出时变的特性。因此,识别此线性时变系统的物理参数对结构安全性能评估、损伤监测等方面发挥着重要作用,结构的时变特性不容忽略。此外,在地震、台风等极端荷载作用下,实际工程结构会发生较为严重的破坏,如钢筋屈服、混凝土开裂等,从而在一定程度上表现出非线性行为。从结构安全性、经济适用性、耐久性、可靠度等方面考虑,准确地掌握非线性结构的非线性特性,不仅能够准确反映其力学性能,还能为评估损伤程度以及使用寿命等提供切实可靠的依据。基于上述研究背景,本文主要以“时变系统”和“非线性结构系统”为研究主线。目前对“时变系统”和“非线性结构系统”研究的主要局限在于:(1)结构传感器布置需要的数目多,需观测的响应数量大;(2)需要提前已知或假设非线性迟滞模型;(3)需要提前对结构进行损伤定位,预先判断可能发生损伤的“目标区域”后,再对“目标区域”进行损伤识别然而,考虑到工程的经济性,通常很难在实际监测数据采集过程中,获得完整的结构加速度、速度和位移响应,而且对于结构出现的非线性行为,其结构的变形与恢复力之间的关系很难用完全精准的非线性迟滞模型描述。故本文在总结前人研究的基础上,提出了结合小波和卡尔曼滤波系列方法,识别线性和非线性时变结构的时变参数和结构的非线性特性,在仅部分观测响应的情况下,克服了需要损伤定位和已知非线性迟滞模型的不足。本论文第一章对目前“时变系统”和“非线性系统”识别的研究国内外进展进行了总结,阐明本文主要研究内容和创新点。本论文第二章提出了识别线性结构时变物理参数的方法,基本思路如下:首先,将线性结构中的时变参数(刚度和阻尼),利用小波多分辨率分析方法近似展开,将时变问题转化为时不变问题;然后,利用卡尔曼滤波算法(KF)得到部分观测条件下,结构所有自由度上的响应;接着建立目标函数,通过一个非线性最小二乘优化函数(Lsqnonlin)对小波展开的尺度系数进行优化,使得预测的观测层加速度和观测加速度之间的误差最小,进而重构出时变的结构单元刚度和阻尼。所提出的方法仅观测部分自由度的加速度响应。本论文第三章在上一章的基础上,将方法扩展到非线性系统时变模型参数的识別,其主要思想为:先将非线性迟滞模型中所有的时变参数,利用小波分析进行近似展开,时变问题转换为时不变问题;由于是非线性方程,将状态方程和观测方程一阶线性化,运用EKF的方法求解结构所有自由度上的响应;最后通过构建误差方程,使误差向量最小化,求解小波系数,进而重构时变迟滞模型参数。所提出方法仅部分观测结构响应,但基于已知的非线性模型。本论文第四章在上一章基础上,考虑实际工程很难提前确定或已知非线性模型,提出了结构无模型非线性特性的识别方法。其基本思路如下:首先,将结构构件的非线性力视为作用于线性结构的“附加虚拟力”,并将“附加虚拟力”用小波展开;然后,利用卡尔曼滤波算法(KF),基于部分观测条件下,求解结构所有自由度上的响应;最后,建立关于估计加速度和观测加速度之间的目标函数,通过优化目标函数,对小波展开后的尺度系数进行求解优化,使得预测的观测层加速度和观测加速度之间的误差最小,进而重构出结构总的恢复力。所提出的方法仅观测结构部分响应,且无需已知或假设非线性模型。本论文第五章提出了基于子结构的无模型非线性特性识别方法。针对大型复杂结构,采用“分而治之”的思想,将其划分为若干子结构,并单独对每一个子结构进行分析。本章节在前述的第四章基础上,使用未知激励下的卡尔曼滤波方法(KF—UI)识别子结构的所有状态和未知边界力;其大体思路为:已知外部激励xg、待识别的非线性构件提供的非线性力frnon和未知的子结构边界力Fru共同组成了目标子结构系统的外部输入。首先,将目标子结构的非线性力用小波展开,;接着,采用未知激励下KF—UI的方法,基于部分观测条件下,求解结构所有自由度上的响应和未知边界力;最后,建立关于估计加速度和观测加速度之间的目标函数,通过优化目标函数,对小波展开后的尺度系数进行求解优化,使得预测的观测层加速度和观测加速度之间的误差最小,进而重构出结构总的恢复力,识别结构的非线性行为。所提出的方法无需观测结构所有自由度上的响应。本文第六章总结了论文的主要工作以及论文创新点,并对下一步研究工作内容进行了展望。