结构损伤识别是桥梁健康监测的核心环节,受到国内外相关学者的广泛关注,其中尤以基于动力特性的损伤识别方法研究为重。然而,运营环境的时变效应一般会对结构动力特性（特别是固有频率）产生较大影响,这会进一步掩盖损伤所引起的动力特性变化,故在进行结构损伤识别时需对时变环境效应予以剔除,当前较多采用主成分分析（Principal Component Analysis,PCA）方法实现该目的。此外,时变环境效应亦会造成损伤特征之间呈现非线性相关性,致使基于经典PCA的损伤识别方法效果不理想。为此,本文从工程实用性的角度出发,对经典PCA方法加以改进,以期提升时变运营环境下的桥梁结构损伤识别能力。具体研究工作如下:（1）进行基于经典PCA方法的损伤识别验证。首先,介绍经典PCA方法的基本原理和基于此实现结构损伤识别的步骤,并进一步探讨其对非线性损伤特征进行损伤识别时的不足;其次,设计合理的质量弹簧系统仿真模型,输入某桥梁结构的实际温度监测数据以模拟运营环境的变化,并进一步分析运营环境变化引起的固有频率之间的非线性相关性;最后,验证经典PCA方法对线性损伤特征和非线性损伤特征的损伤识别效果。（2）提出高斯混合PCA方法以改善损伤识别能力。首先,通过高斯混合模型将结构的多维非线性损伤特征的联合概率密度函数建模为多个局部高斯分量的线性组合,并通过期望最大算法实现其模型参数的最优估计;其次,对所有的局部高斯分量分别建立相应的PCA模型,并针对模型残差部分分别计算混合标准马氏平方距离和混合标准欧氏平方距离作为结构的损伤指标;最后,采用质量弹簧系统仿真数据和木桁架桥试验数据验证所提方法的有效性。（3）提出子域加权PCA方法以改善损伤识别能力。首先,通过向量二范数大小对损伤特征数据集中的样本进行重排序,进一步结合移动窗和假设检验方法实现数据集的子域划分,使得各子域中的损伤特征之间保持线性相关性;其次,对所有的子域分别建立相应的PCA模型,并针对模型残差部分分别计算加权标准马氏平方距离和加权标准欧氏平方距离作为结构的损伤指标;最后,利用质量弹簧系统仿真数据和木桁架桥试验数据验证所提方法的有效性。（4）利用瑞士Z24桥的长期监测数据进行损伤识别方法验证。首先,详细介绍Z24桥的工程概况,并描述其损伤的具体施加情况;其次,将基于随机子空间法辨识所得的前4阶固有频率作为损伤特征,并展示它们之间的非线性相关性;最后,分别采用经典PCA方法、高斯混合PCA方法和子域加权PCA方法分析该桥固有频率数据以识别结构损伤,并对比三种方法的损伤识别效果。