微小裂缝检测对于桥梁的健康运营具有重要意义。基于布里渊光时域分析技术的分布式光纤传感器能够以较高的空间分辨率和灵敏度,测量沿光纤轴向的分布式应变。分布式应变对裂缝敏感,从而为桥梁裂缝检测问题提供了强有力的解决方案。但分布式应变往往信噪比低,导致裂缝处的应变改变容易被噪声“混淆”。为了解决此“混淆”问题,准确检测微小裂缝,开展分布式应变数据去噪和检测方法研究具有重要的理论和现实意义。本文提出了一种基于鲁棒主成分分析(RPCA)和支持向量机(SVM)的微小裂缝检测方法。方法假设分布式应变由两类应变序列组成,一类来自有裂缝的桥梁表面,一类来自无裂缝的桥梁表面,从而将裂缝检测问题视为应变序列二分类问题。首先,将采集到的分布式应变通过RPCA方法去噪,然后,将分布式应变划分为等长的子序列,进而,利用SVM进行训练和测试。实验结果表明,在实验室条件下本文方法能够准确检测张口宽度最小是23μm的裂缝,也能够以99.98%的精确度对在役桥梁进行裂缝检测。方法可以较好地解决“被混淆”难题,具有良好的噪声鲁棒性。本文的主要工作包括:1.针对分布式应变信噪比低这一问题,开展了基于RPCA的去噪方法研究。设计了一种数据矩阵构造方法,采用RPCA将数据矩阵分解为低秩结构矩阵和稀疏噪声矩阵,有效地剥离了噪声,改善了数据质量。2.将微小裂缝检测问题转化为一个序列二分类问题,设计并实现了一种高斯核SVM分类器,获得了显著优于多层感知机(MLP)和分类决策树的检测性能。3.开展了实验室模拟桥梁和在役桥梁现场实验研究。验证了本文方法的有效性。