由于自然灾害以及人为的因素,桥梁结构会出现不同程度的损伤,对桥梁结构进行健康监测,在事故发生前识别结构的损伤,具有非常重要的意义。但大部分损伤识别方法应用在实际桥梁结构中有一定的困难,因此,更加深入研究适合于实际的损伤识别方法具有重要的意义。当前,直接采用结构的振动信号来识别结构的损伤,因不用经过数据转换,能够完全保留损伤信息的真实性,正成为研究的热点。扩展卡尔曼滤波方法,作为一种基于模型的递推形式的时域方法,在非线性系统的结构参数识别中有良好的表现,因此被逐步应用于桥梁结构的损伤识别领域。扩展卡尔曼滤波算法用于损伤识别时,通常是利用结构响应信号来反演结构的参数,这是一个典型的反问题求解,会存在不适定性,如果结构变得复杂,待识别的参数变多,将加剧这种不适定性,导致识别结果发散,识别精度不高等问题。为了解决这一困难,本文把结构局部损伤存在稀疏性这一先验信息,通过伪测量方法引入到扩展卡尔曼滤波的每一步迭代过程中,提出了结合L1正则化技术的扩展卡尔曼滤波算法,本文首先以结构的自由振动信号作为观测信号,通过不同损伤工况下的梁式结构数值模拟及实验模拟,对该方法的可行性进行了验证,然后用二维框架结构的数值算例进一步证明该方法可以用于更加复杂的结构识别当中。相对于结构的自由振动信号,车辆激励下的桥梁的振动信号,因为其不需要专门的激励设备,且不需中断交通,一般更容易获得。然而,目前基于车桥耦合振动信号的损伤识别方法中,大多数是采集整个时间段内的振动信号进行一次处理,计算量大,耗时长,导致很难实时地检测损伤。而扩展卡尔曼滤波,作为一种基于模型的递推形式的时域方法,只需要当前步的观测值和上一步的估计值,就可以得到当前步的最优估计值,具有耗时短,计算量小的优点。于是本文进一步以车桥耦合振动信号为观测值,采用扩展卡尔曼滤波方法对损伤进行检测。首先,用简单的移动车轮加簧上质量模型来模拟车辆,重点分析了不同车速、不同车重、不同桥型对识别结果的影响。然后基于简支梁的不同损伤工况,研究了1/4车辆模型、半车模型等不同车型得到的识别结果。结果表明,采用车桥耦合振动信号,通过扩展卡尔曼滤波方法,能够很好的抑制噪声的干扰,准确地识别结构的损伤部位及损伤程度。