侯立群，赵雪峰，欧进萍，刘春城

（1．东北电力大学 建筑工程学院，吉林 吉林 132012；2．大连理工大学 土木工程学院，辽宁 大连 116024）

大型工程结构，如大型桥梁、超高层建筑、大跨空间结构，它们的使用期长达几十年、甚至上百年，环境侵蚀、材料老化和荷载的长期效应、疲劳效应与突变效应等灾害因素的耦合作用将不可避免地导致结构和系统的损伤积累和抗力衰减，从而抵抗自然灾害、甚至正常环境作用的能力下降，极端情况下将引发灾难性的突发事故。为了及时掌握大型工程结构的性能退化，防止突发性坍塌事故的发生，应用科学的方法对大型工程结构进行健康监测极为必要，目前这一点已得到了学术界、工程界以及政府部门的广泛认同。2010年发布的江苏省地方标准《大跨径悬索桥和斜拉桥养护规范》（标准编号：DB 32／T 1648－2010）中已明确建议大跨径悬索桥和斜拉桥宜安装健康监测系统。

结构损伤诊断是结构健康监测的核心技术，近20年来一直是该领域的研究热点，并已取得了显著的进展。总体来讲，结构损伤诊断方法经历了由确定性方法到不确定性方法的发展过程。本文首先回顾结构损伤诊断确定性方法的研究成果和给出确定性方法面临的挑战；在此基础上主要介绍基于概率统计和基于数据融合的两类损伤诊断不确定性方法的研究进展，并分析比较各种方法的优点和不足；最后阐述当前结构损伤诊断面临的挑战与亟待解决的问题，并对其发展方向进行展望。

1 损伤诊断确定性方法

损伤诊断确定性方法将损伤特征参量作为确定量处理，其研究焦点为损伤特征参量与损伤之间的确定性映射关系，基于这种映射关系通过确定性计算和推理方式来识别损伤。这方面的研究主要集中在两个方面：基于损伤特征参量的损伤诊断确定性方法和基于模型修正的损伤诊断确定性方法。

1.1 基于损伤特征参量的损伤诊断确定性方法

结构损伤必然导致结构某些特征参量发生变化，因此理论上讲，基于损伤特征参量的变化可以诊断结构损伤。此类方法的关键问题是损伤特征参量的选取。损伤特征参量选取的原则是损伤特征参量对损伤敏感且对噪声不敏感，同时损伤特征参量可测。损伤特征参量基本分为如下3类：基于结构动力参数的损伤特征参量、直接基于振动数据处理的损伤特征参量和基于结构非动力参数的损伤特征参量。由于损伤特征参量很难与结构单元刚度建立稳定的且鲁棒的单调对应关系，因此损伤特征参量只能用于判断损伤的发生及损伤的位置，一般无法进行损伤程度的估计。

（1）基于结构动力参数的损伤特征参量

基于结构动力参数的损伤特征参量称为动力指纹。目前研究较多的动力指纹有如下几类［1－2］：频率类［3］、振型类［4］、模态曲率类［5］、应变模态类［6］、柔度矩阵类［7］、以及综合类损伤特征参量［8－9］。上述动力指纹大多对损伤和噪声同时敏感，且在实际结构中较难满足损伤诊断所需的测量精度，因此尽管在数值模拟或者实验室简单的梁板桁架类模型中可成功应用，但很少能够应用于实际工程中。

（2）直接基于振动数据处理的损伤特征参量

该类损伤特征参量通过直接对实测的结构振动响应时域信号进行分析处理得到，计算过程避免了模态参数识别的中间过程。目前研究最多的是基于小波分析的损伤特征参量，其中最具代表性的是小波包能量谱［10－12］。

（3）基于结构非动力参数的损伤特征参量

对于桥梁结构而言，可监测到的结构非动力参数包括主梁挠度、主梁跨中及索塔塔顶位移、主梁及索塔截面倾角、索力、吊杆拉力、应变、伸缩缝位移、裂缝宽度、腐蚀电位等。通常以上述非动力参数的当前实测值与基准值的差值或差值的衍生值作为损伤特征参量，目前研究较多的是基于位移、索力和吊杆拉力的损伤特征参量［13－21］。结构的损伤会导致损伤特征参量发生改变，但是环境及荷载作用也会导致损伤特征参量发生改变，因此如何分离损伤的影响和环境及荷载作用的影响是研究的重点。

1.2 基于模型修正的损伤诊断确定性方法

模型修正属系统识别范畴，是典型的动力学反问题。理论上讲，采用模型修正技术可以得到有限元模型的局部单元刚度改变，进而进行损伤判断。模型修正方法分为两类：矩阵型修正方法和参数型修正方法。矩阵型模型修正方法需要借助质量和刚度矩阵，不适用于大型结构，且由于修正结果失去了明确的物理意义而难以应用于实际结构；参数型模型修正方法是直接对设计参数修正，如结构材料和截面特性等，物理意义明确，是目前最适合于工程应用的一种模型修正方法［22］。参数型模型修正本质上是参数优化过程，其中的核心问题包括三个方面：待优化参数的选取、优化目标的确定以及优化算法的选择。

理论上讲，基于修正模型的损伤诊断能够到达单元层次，可以识别损伤的发生、位置及损伤的程度，这些都是基于模型修正的损伤诊断的优势所在。但由于实际结构单元数众多，如要求模型修正达到损伤诊断的单元层次，则待修正的参数数量将很大，加之测试精度有限、测试信息不完备以及模型误差等因素的影响，将给优化过程带来极大的困难，尽管采用遗传算法等智能优化算法能提高优化精度，但仍较难满足损伤诊断的精度要求。另外确定性的模型修正只是针对某次确定性的试验来进行，只使得有限元计算结果吻合于该次试验结果，由于实际测点有限、噪声干扰和有限元模拟的近似等原因，常常导致模型修正时参数选择一定程度上依赖经验，难以考虑很多不确定性的情况［2］。

1．3 基于神经网络的损伤诊断确定性方法

理论上讲，结构损伤特征量与损伤之间存在多对多的非线性映射关系，如这种映射关系可被确定或被逼近，则可进行损伤诊断。神经网络具有很强的非线性映射逼近能力，因此可被用于损伤诊断。神经网络用于损伤诊断的基本原理是：利用有限元法或实测方法，获取结构的损伤特征参量作为训练样本的输入参数，以结构损伤作为输出参数，通过一定数量的训练样本进行网络训练，调节网络节点权值，最终使神经网络逼近由训练样本确定的非线性映射关系，进而利用训练好的神经网络进行损伤诊断。理论上讲，当神经网络的训练样本为单元刚度变化量和结构特征量时，如训练样本准确、覆盖全面且网络训练收敛时，网络可以用于识别损伤程度。但实际上，对于复杂结构，上述训练样本容量巨大，网络训练很难收敛。因此目前利用神经网络也只能进行损伤发生和损伤位置的识别。

对基于神经网络的损伤诊断确定性方法的研究主要集中在如下几个方面［23－29］：（a）特征参数及训练样本的选取；（b）神经网络结构的设计；（c）网络训练算法的研究。多年的研究表明，基于神经网络的损伤诊断确定性方法仍面临如下问题：

（1）目前神经网络的训练样本基本来源于有限元模拟，因此在训练样本中必然存在模型误差和损伤模拟误差的干扰，而神经网络的性能与训练样本的质量密切相关，当实际结构的“特征－损伤映射关系”与有限元模拟的“特征－损伤映射关系”出入较大时，神经网络的识别效果无法保证。

（2）特征参数的选取对神经网络的学习时间和泛化能力影响巨大。神经网络只是一个计算工具，它的性能决定于作为训练样本的特征参数。如果特征参数对噪声和损伤同时敏感，那么利用神经网络来进行损伤诊断也将比较困难。

1．4 损伤诊断确定性方法面临的挑战

损伤诊断确定性方法的研究为结构损伤诊断技术的实际工程应用奠定了坚实的基础，其价值无可替代。确定性方法有其自身发展的方向，还有很多问题值得深入研究。本节所说的“损伤诊断确定性方法面临的挑战”是指直接应用确定性方法解决实际工程中的损伤识别问题时所面临的挑战，而并非指应用确定性方法解决不考虑各类不确定性因素的确定性损伤诊断问题时所面临的挑战。

实际结构损伤诊断过程存在众多的不确定性因素，其中包括噪声干扰、测试误差、模型误差、环境或荷载的不确定性以及其它未知的不确定性。损伤诊断确定性方法是理想化方法，基于确定性的输入输出及映射关系，方法本身并不直接考虑各类不确定性因素的影响。尽管有些损伤诊断确定性方法具有一定抗噪声能力，其强弱主要取决于损伤特征参量的噪声敏感性和识别算法本身是否具有隐式的统计数据融合计算过程。不过这种抗噪声能力通常十分有限，原因是确定性计算方法或推理方式从本质上讲不具备处理不确定性问题的能力。

不确定性因素的存在，导致理论、仿真或简单模型试验上有效的确定性损伤诊断方法在应用于实际结构时往往效果不佳，如何应对不确定性因素，已逐渐成为了近年来损伤诊断领域的研究热点。本文认为在确定性方法的基础上，融合各类处理不确定性问题的方法，进而发展损伤诊断不确定性方法，有望更好地解决实际工程问题。综上所述，不确定性的损伤诊断方法的研究将是必然的发展趋势。

2 损伤诊断不确定性方法

考虑到各类不确定性因素的影响，损伤诊断不确定性方法将损伤特征量和构件损伤程度作为不确定量进行考虑，其研究焦点为损伤特征量和构件损伤程度的不确定性映射关系。损伤诊断不确定性方法的研究主要集中在如下两个方面：

（1）基于概率统计的损伤诊断不确定性方法；（2）基于数据融合算法的损伤诊断不确定性方法。

2.1 基于概率统计的损伤诊断不确定性方法

概率分析法是根据模型输入参数的概率分布来确定模型输出的概率统计分布，用概率分布的形式来表达不确定性，在一定的置信度下，用统计方法进行损伤诊断［2］。根据统计推断原理的不同，基于概率统计分析的损伤诊断不确定性方法主要分为4类：基于贝叶斯统计推断的模型修正法、基于随机有限元反分析的模型修正法、基于统计模式识别的损伤诊断方法和基于概率神经网络的损伤诊断方法。从原理上讲，前两种方法以模型修正法为基础，因此可识别损伤的发生、位置和程度，而后两种方法只能用于识别损伤发生和损伤位置。不过实际工程中，由于不确定性的存在，能够识别出损伤发生和位置已并非易事，结构损伤程度的估计基本做不到。

（1）基于贝叶斯统计推断的模型修正法

确定性的模型修正法力求基于测试数据得到损伤后有限元模型的局部单元刚度下降值，进而进行损伤判断；而基于贝叶斯统计推断的模型修正法则是力求基于测试数据和贝叶斯原理，修正有限元模型的局部单元刚度值的先验概率密度函数，得到损伤后有限元模型的局部单元刚度值的后验概率密度函数，通过将此后验概率密度函数与损伤前局部单元刚度值的概率密度函数相比较，按照某种决策规则在统计意义下给出当前结构单元刚度下降的概率，进而确定结构损伤发生的位置和程度。由于测试误差及模型误差的影响，本质上讲不可能得到损伤后单元刚度的确定值，只能得到可能值，而概率密度函数正是描述可能值的合适方式，因此在结构损伤诊断的研究中引入概率分析的处理方法是必然的趋势。在该方面Beck等［30－37］的研究最具代表性。他们提出了基于贝叶斯统计推断的模型修正的基本框架，研究了多种具体的计算方法，包括MCMC方法、HMCM方法及两步识别法等，其中一些方法在Phase I benchmark框架模型及Phase II bench-mark模型上进行了验证。易伟建等［38］和王建江［39］也针对关键计算过程进行了研究和改进。

基于贝叶斯统计推断的模型修正法在近十年来得到了很大发展，但仍面临如下两大问题：① 该方法将测试误差和模型误差假定为白噪声，进而假设模型参数符合正态分布，这样做是为了便于计算，但实际上测试误差和模型误差并不一定是白噪声，因此将导致对计算不确定性的欠估计；② 该方法中后验概率密度函数计算复杂，导致该方法一般无法求解未知参数较多的较大规模计算问题，从而实际应用受限。

（2）基于随机有限元反分析的模型修正法

该类方法与基于贝叶斯统计推断的模型修正法不同，它并非通过求解使得代价函数最小的最优化问题确定模型参数的后验概率分布，而是通过对测试数据和模型参数摄动的随机模拟获得模型参数的概率统计特征。目前常用的计算方法为蒙特卡罗法［40－51］。为了提高蒙特卡洛法的计算效率，张清华等［47－52］提出了基于响应面的蒙特卡罗法，在模拟计算过程中用响应面模型代替初始复杂的有限元模型，从而使蒙特卡罗法更加实用化。

蒙特卡罗法和响应面法的结合虽然为基于随机有限元反分析的模型修正法提供了可行且实用的计算手段，但仍无法避免动力反演。当待识别的模型参数个数小于或等于由观测数据给定的“有效约束”个数（可识别的情形）时，动力反演可行；但对于实际结构，通常情况下待识别的模型参数个数均远远大于由观测数据给定的“有效约束”个数（不可识别的情形）时，此时确定性的动力反演已面临较大困难，如再加入蒙特卡洛随机模拟，其带来的计算复杂性和计算时间令人无法接受，计算精度更无法保证［53］。

（3）基于统计模式识别的损伤诊断方法

基于概率分析的模型修正法基本上以模态参数为输入量，但对于大型结构如大型桥梁，模态参数受环境因素干扰较大，其测试精度有限，尤其是与损伤位置相关的振型量，测试精度更无法保证。针对这一问题，有些学者提出不再利用实测模态数据，而是直接利用时程数据，考虑环境因素和运行状态的变化，在无需结构模型的前提下，通过对时程数据的统计分析提取结构损伤敏感特征来识别结构状态退化或损伤，这就是所谓的基于统计模式识别的损伤诊断方法。由于一般很难直接从观测特征信号判别结构特征，所以该类方法的关键是正确地从特征信号中提取与状态有关的、对状态变化最为敏感的特征量，即状态／损伤敏感特征。这些损伤敏感特征一般来自于能够表征结构状态的模式向量，而这些模式向量的生成则来自于统计模型（回归模型、自回归模型、外源自回归模型等）对观测数据（特征信号）的统计分析［53］。Sohn等［54－55］较早地对这一方法进行了系统论述，建立了基于统计模式识别的损伤诊断方法的统一框架。国内林友勤、任伟新、刘毅和李爱群等对Mahalanobis距离判别函数及相应的损伤指标进行了有益的研究。

（4）基于概率神经网络的损伤诊断方法

传统的基于神经网络的损伤诊断方法属于确定性损伤诊断方法，处理不确定干扰的能力较弱。尽管采用加入了测试噪声的训练样本进行网络训练之后，网络的损伤诊断效果有所改善，但程度有限。

在统计模式识别中，基于Bayes定理的决策理论可以完成不同模式的最优分类。概率神经网络将Bayes估计耦合在前馈神经网络中，神经网络的输出可以看作是对Bayes后验概率的估计，根据概率密度函数的无参数估计方法得到分类结果。概率神经网络本质上是一种监督学习的Bayes分类器，它能够处理观测噪声条件下的模式识别或分类问题［53］。由于观测噪声和模型误差在结构健康监测中是不可避免的，因此概率神经网络在结构健康诊断的不确定性识别研究中显示出传统神经网络方法无法比拟的优势。但由于概率神经网络是Bayes估计和传统神经网络的结合，它依然面临着Bayes估计和传统神经网络所面临的问题，如特征参数选取、训练样本构造等问题。

2.2 基于数据融合算法的损伤诊断不确定性方法

概率统计分析的引入，为处理结构损伤诊断过程中的不确定性问题提供了有效的方法，但只能在一定程度上解决不确定性的问题。鉴于此研究人员考虑从另一角度寻求处理不确定性问题的途径，于是引入了数据融合技术。基于单个或单类传感器数据，尽管采用概率统计分析的方法可以降低损伤诊断的不确定度，但程度有限。如果基于多个或多类传感器数据，由于各类传感器数据包含的不确定性特征不同，它们之间可能互补，因此通过数据间相互协调、相互印证和融合可以将损伤诊断的不确定度进一步降低，进而得到更加可靠的结果。

广义上讲，数据融合是一种概念，它普遍存在于损伤诊断的各种方法中。不过在损伤诊断确定性方法中，数据融合并未作为一种独立的技术手段被特别地提出来，只是在某些确定性方法计算过程中隐式存在着某种数据融合的过程或者概念。而在本节基于数据融合算法的损伤诊断不确定性方法中，数据融合技术作为独立的主要的技术手段被引入损伤诊断方法中，在损伤诊断过程中有着明确的数据融合算法。考虑到数据融合技术是处理损伤诊断不确定性的重要技术手段，因此本文中将基于数据融合算法的损伤诊断方法划归为不确定性方法的范畴中。

数据融合技术首先应用于军事领域，目前在机械系统的故障诊断中应用较多。数据融合包括三个层次：数据级融合、特征级融合和决策级融合。数据级融合是最低一级，它最大地保留了原始数据的特性，实时性和抗干扰性差。特征级融合是中级水平，它可以实现数据的压缩和实时处理，融合结果为决策级融合提供特征信息。决策级融合是最高融合级别，它先建立特征级融合决策的初步结论，而后通过决策级融合判决，获得联合推断结果；它抗干扰和容错性好，有很高的灵活性［56］。目前利用数据融合技术进行结构损伤诊断的研究主要集中在特征级融合上，决策级融合和数据级融合的研究相对较少。

特征级融合的研究集中在对损伤指标的融合上，融合方法主要有加权平均法、Bayes方法、D-S证据理论、模糊方法和神经网络方法，参与融合的损伤指标包括：① 模态位移变化量损伤指标与模态频率变化量损伤指标的融合［57，66］；② 柔度法损伤指标和模态应变能损伤指标的融合［58］；③ 多阶模态应变能的融合［59］；④归一的频率变化比（NFCR）、归一的模态变化比（NMCR）、归一的损伤指标（NDSI）的融合［60－62］；⑤ 小波包节点能量系数之间的融合［63－64］；⑥ 应变能耗散率损伤指标与频率改变率损伤指标的融合［65］；⑦ 9种指标的融合：曲率模态差、柔度损伤指标值、模态柔度差、柔度模态改变率、模态柔度曲率差、模态应变能变化率、归一的模态变化比、归一的曲率变化比和归一的模态应变能变化［67］；⑧ 动静态指标与频率指标的融合［68］；⑨ 多个测试样本的小波包能量谱频带能量比之间的融合［69］。

决策级融合的研究集中在对不同损伤诊断方法［70］或基于不同类型传感器信息［71］得到的损伤诊断结果的“会诊”上，融合方法主要有表决法、Bayes方法、D-S证据理论。

数据级融合的研究集中在对同类型传感器得到的原始数据进行融合上，代表性的融合方法为一致性数据融合算法及其改进算法［72－76］。

现有的研究表明，在结构损伤诊断过程中引入数据融合技术，一般来说损伤诊断效果会有一定程度的提高，但仍存在如下问题：

（1）基于数据融合的损伤诊断效果不但与融合算法有关，更与损伤指标有关。当被融合的损伤指标受不确定性因素干扰较大，并且互补性又较低时，数据融合后的损伤诊断效果不大。如基于模态信息得到的各类损伤指标，在实际工程中，模态信息的识别精度通常无法保证，导致相应的各类损伤指标受噪声等不确定干扰很大，同时由于这些损伤指标均来源于模态信息，其信息相关性较大，互补性较小，因此在这种情况下进行数据融合，尽管识别效果有所提高，但十分有限。总之，数据融合只是一种技术手段，从其本质思想上来讲，只有被融合对象含有不确定性干扰的同时含有足够的确定性的可识别信息，且这些确定性信息还需具有互补性，才可通过数据融合的聚焦和相互印证来有效降低不确定性干扰，提高识别效果。

（2）目前研究较多的融合算法有Bayes方法、D-S证据理论，在实际应用中，这两种方法都存在一些问题。Bayes方法需要先验概率，但在实际工程中是很难得到，因此实际应用受到限制；D-S证据理论不需要先验信息，在数据融合应用中具有Bayes方法无法比拟的优势，但在基于数据融合的损伤诊断过程中，D-S证据理论中基本可信度函数的构造是关键，同时也是个问题，目前没有通用的构造方法，只能根据具体问题具体分析，往往基于经验，缺乏依据。基本可信度函数是计算信任函数和似然函数的基础，更是融合计算的基础，因此如果基本可信度函数构造的不合理，将直接导致最终的合成结果不合理。除此之外，D-S证据理论当证据之间存在较大冲突时，融合结果往往与常识判断相违背，即出现“Zadeh”悖论。针对这一问题，很多学者提出了对传统证据理论的改进方法。

（3）目前的研究大多集中在浅层融合上，即不论被融合对象是什么，均直接利用Bayes推理或D-S证据理论的合成公式对损伤指标进行融合，缺乏对被融合对象包含的损伤信息和不确定性干扰信息的深入分析，没有针对具体被融合对象的具体特点设计针对性的融合规则和算法。在结构健康监测中，不同传感器采集的数据以及不同的损伤指标所包含不确定性干扰的特性均不同，它们之间的信息互补特性也各有不同，在数据融合过程中，上述问题需被充分考虑。Bayes方法、D-S证据理论等数据融合方法均来源于信息论，是数据融合基本理论框架，在应用于具体损伤诊断时需根据具体问题的特点进行改进。

3 当前结构损伤诊断面临的挑战与亟待解决的问题

国内外结构损伤诊断研究领域目前主要面临如下挑战与亟待解决的问题，限制其发展。

（1）实际结构损伤诊断过程存在众多的不确定性因素，其中包括噪声干扰、测试误差、模型误差、环境或荷载的不确定性以及其它未知的不确定性。不确定性因素的存在，导致损伤－特征对应关系呈现不确定性，不同的损伤对应的特征之间可能相互耦合，从而为损伤诊断带来的巨大困难。如何研究损伤－特征对应关系的不确定性干扰规律进而找到可应对不确定性干扰影响的损伤诊断方法是目前结构损伤诊断领域研究面临的主要挑战与亟待解决的问题。

（2）数据融合是降低损伤诊断过程中的不确定性干扰的有效方法，其本质是对多个领域专家协同解决损伤诊断问题的思维过程的模拟，不过多年来，结构损伤诊断中数据融合的研究多数集中在“计算”上，力求通过数值计算完成数据融合过程，但事实上，专家的思维过程并非是“计算过程”，更多的是“推理诊断过程”。确立推理规则是进行推理诊断的关键，目前基于规则推理的数据融合的研究还很少，其主要原因是为数据融合推理规则建立有力的理论支撑并非易事。因此如何确立具有有力的理论支撑的数据融合推理规则是目前基于数据融合进行损伤诊断所面临又一个挑战与亟待解决的问题。

4 研究展望

针对当前结构损伤诊断面临的挑战与亟待解决的问题，本文认为以下三个方面值得深入研究。

4.1 基于非概率的结构损伤诊断不确定性方法研究

概率方法是描述不确定性的一种经典方法，但只适合描述随机不确定性，且只适用于简单结构的分析，对于复杂结构，无论是理论分析还是数值模拟，难度都相当大。对于非随机不确定性（如认知不确定性），采用概率方法描述并不合适，即使可以勉强进行，也会遇到概率密度函数无法确定和相关计算过于复杂等问题。而非概率方法，如可能性理论和区间理论，基于比概率方法更弱的公理体系，且可描述非随机不确定性，因此研究基于非概率方法的结构损伤诊断不确定性方法有望更好地解决结构损伤诊断过程中的不确定性干扰问题。

4.2 结构损伤－特征映射关系的不确定性干扰规律的研究

数据融合是降低损伤诊断结果不确定性的有效技术手段。利用数据融合进行损伤诊断的关键是确定数据融合推理规则，而研究结构损伤－特征映射关系的不确定性干扰规律是建立数据融合推理规则的前提和基础，因此该项研究具有重要的价值和意义。

4．3 基于人工智能数据融合推理的结构损伤诊断系统的研究

从本质上讲，结构损伤诊断与医生诊病具有相似的思维过程，它最终的诊断决策更多依靠的是“推理”，而非“数值计算”，尽管“数值计算”所得结果是进行损伤诊断的基础数据。

目前在结构损伤诊断领域，研究较多的人工智能数据融合推理方法是D-S证据理论。2．2节中已讨论了D-S证据理论所面临的瓶颈问题，其中最主要问题的是D-S证据理论只能进行浅层融合，缺乏对被融合对象包含的损伤信息和不确定性干扰信息的深入分析，没有针对具体被融合对象的具体特点设计针对性的融合规则和算法。因此，本文认为单纯地直接采用人工智能领域的不确定性推理算法（如D-S证据理论、模糊推理等）进行损伤诊断中的数据融合推理，可以降低结构损伤诊断结果的不确定性，但程度很有限，只有结合领域知识和专家经验进行人工智能数据深层融合推理，才有望进一步提高结构损伤诊断的可靠性。

人工智能数据深层融合推理其本质是对领域专家损伤诊断思维的模拟，其核心是基于领域知识和专家经验建立针对性的数据深层融合规则，并结合人工智能领域的不确定性推理算法进行结构损伤诊断。基于上述方法建立的结构损伤诊断系统将具有更强的应对不确定性干扰的能力和鲁棒性，且可有效地将领域知识和专家经验融入损伤诊断系统中，进而给出更加稳定和合理的诊断结果。因此该类方法的研究有望推进结构损伤诊断方法的实用化进程。

［1］欧进萍．重大工程结构智能传感网络与健康监测系统的研究与应用［J］．中国科学基金，2005，（1）：8－12．OU Jin-ping．Research and practice of smart sensor networks and health monitoring systems for civil infrastructures in mainlandChina［J］．Bulletin of National Science Foundation of China，2005，（1）：8－12．

［2］宗周红，牛杰，王浩．基于模型确认的结构概率损伤识别方法研究进展［J］．土木工程学报，2012，45（8）：121－130．ZONG Zhou-hong， NIU Jie， WANG Hao． A review of structural damage identification methods based on the finite element model validation［J］．China Civil Engineering Journal，2012，45（8）：121－130．

［3］杜思义，殷学纲，陈淮．基于频率变化识别结构损伤的摄动有限元方法［J］．工程力学，2007，24（4）：66－70．DU Si-yi，YIN Xue-gang，CHEN Huai．The preturbation FEM to identify damages based on frequency changes［J］．Engineering Mechanics，2007，24（4）：66－70．

［4］万小朋，李小聪，鲍凯，等．利用振型变化进行结构损伤诊断的研究［J］．航空学报，2003，24（5）：422－426．WAN Xiao-peng，LI Xiao-cong，BAO Kai，et al．Structure damage diagnosis based on analyzing changes of vibration mode［J］．Acta Aeronautica Et Astronautica Sinica，2003，24（5）：422－426．

［5］侯立群，欧进萍．环境激励及噪声干扰下斜拉桥的损伤定位方法［J］．振动与冲击，2008，27（8）：1－6．HOU Li-qun，OU Jin-ping．Damage localization method of long-span cable-stayed bridge under ambient excitation and noise disturbance［J］．Journal of Vibration and Shock，2008，27（8）：1－6．

［6］Hsu T Y，Loh C H．Damage diagnosis of frame structure using modified modal strain energy change method［J］．Journal of Engineering Mechanics，2008，134（11）：1000－1012．

［7］李永梅，周锡元，高向宇．基于柔度差曲率矩阵的结构损伤识别方法［J］．工程力学，2009，26（2）：188－195．LI Yong-mei，ZHOU Xi-yuan，GAO Xiang-yu．Detection indictor of structural nondestructive damage based on curvature-flexibility-difference matrix［J］． Engineering Mechanics，2009，26（2）：188－195．

［8］郑飞，许金余．基于缩聚模态应变能与频率的结构损伤识别［J］．工程力学，2012，29（7）：117－123．ZHENG Fei，XU Jin-yu．Structural damage detection based on reduced modal strain energy and frequency［J］．Engineering Mechanics，2012，29（7）：117－123．

［9］钟军军，董聪，夏开全．基于频率及振型参数的结构损伤识别方法［J］．华中科技大学学报（城市科学版），2009，26（4）：1－4．ZHONG Jun-jun，DONG Cong，XIA Kai-quan．Structural damage detection method based on natural frequency and mode shape［J］．Journal of HUST（UrbanScience Edition），2009，26（4）：1－4．

［10］丁幼亮，李爱群，缪长青．基于小波包能量谱的结构损伤预警方法研究［J］．工程力学，2006，23（8）：42－48．DING You-liang， LI Ai-qun， MIAO Chang-qing．Investigation on the structural damage alarmingmethod based on wavelet packet energy spectrum ［J］． Engineering Mechanics，2006，23（8）：42－48．

［11］刘涛，李爱群，丁幼亮，等．基于小波包能量谱的结构损伤预警方法试验研究［J］．振动与冲击，2009，28（4）：4－9．LIU Tao，LI Ai-qun，DING You-liang，et al．Experimental study on structural damage alarmingmethod based on wavelet packet energy spectrum［J］．Journal of Vibration and Shock，2009，28（4）：4－9．

［12］丁幼亮，李爱群．基于小波包分析的Benchmark结构损伤预警试验研究［J］．工程力学，2008，25（11）：128－133．DING You-liang， LI Ai-qun． Experimental research on structural damage alarming of benchmark structure using wavelet packet analysis［J］．Engineering Mechanics，2008，25（11）：128－133．

［13］张宇鑫，Shinae Jang，Spencer B F．结构损伤位置识别的位移 DLV方法［J］．工程力学，2009，26（5）：209－215．ZHANG Yu-xin， Shinae Jang， Spencer B F． The displacement damage location vector method in structural damage location detection［J］． Engineering Mechanics，2009，26（5）：209－215．

［14］袁旭东，周晶，黄梅．基于静力位移及频率的结构损伤识别神经网络方法［J］．哈尔滨工业大学学报，2005，37（4）：488－490．YUANXu-dong，ZHOU Jing，HUANG Mei．A method of structural damage identification using neural networks based on static displacements and natural frequencies［J］．Journal of Harbin Institute of Technology，2005，37（4）：488－490．

［15］崔飞，袁万城，史家钧．基于静态应变及位移测量的结构损伤识别法［J］．同济大学学报，2000，28（1）：5－8．CUIFei，YUANWan-cheng，SHIJia-jun．Damage detection of structures based on static response［J］．Journal of Tongji University，2000，28（1）：5－8．

［16］丁幼亮，李爱群，缪长青．大跨斜拉桥扁平钢箱梁的多尺度损伤分析研究［J］．工程力学，2007，24（7）：99－103．DING You-liang，LIAi-qun，MIAO Chang-qing．Multi-scale damage analysis for steel box girder of long-span cable-stayed bridges［J］．Engineering Mechanics，2007，24（7）：99－103．

［17］李冬生，邓年春，周智，等．拱桥吊杆的光纤光栅监测与健康诊断［J］．光电子·激光，2007，18（1）：81－84．LIDong-sheng，DENG Nian-chun，ZHOU Zhi，et al．Fiber Bragg Grating sensor monitoring techniques and health diagnosis of arch bridge suspenders［J］． Journal of Optoelectronics·Laser，2007，18（1）：81－84．

［18］陈淮，何伟，何容．基于测点位移差的中、下承式拱桥吊杆损伤识别［J］．中国公路学报，2012，25（1）：83－88．CHENHuai，HE Wei，HE Rong．Damage identification for suspender of through and half-through arch bridges based on displacement differences of monitoring points［J］．China Journal of Highway and Transport，2012，25（1）：83－88．

［19］何伟，何容，陈淮．运用中、下承式拱桥吊杆张力变化进行吊杆损伤识别研究［J］．振动与冲击，2012，31（5）：153－157．HE Wei，HERong，CHEN Huai．Damage identification of suspenders based on change of suspender tensions of through and half-through arch bridge［J］．Journal of Vibration and Shock，2012，31（5）：153－157．

［20］彭细荣，路新瀛，隋允康，等．一种环境激励下基于应变测试的结构损伤指标［J］．北京工业大学学报，2008，34（5）：449－453．PENG Xi-rong， LU Xin-ying， SUI Yun-kang， et al． A damage index based on strain measurement for structures under environmental excitation［J］． Journal of Beijing University of Technology，2008，34（5）：449－453．

［21］陈晓强，朱宏平，东东．基于伪比能的梁式结构损伤识别［J］．振动与冲击，2008，27（2）：29－33．CHEN Xiao-qiang， ZHU Hong-ping， GE Dong-dong．Damage identification of beam structures based on pseudo strain energy density［J］．Journal of Vibration and Shock，2008，27（2）：29－33．

［22］杨小森，闫维明，陈彦江，等．基于模型修正的大跨斜拉桥损伤识别方法［J］．振动、测试与诊断，2012，32（2）：276－281．YANG Xiao-sen，YAN Wei-ming，CHEN Yan-jiang，et al．Damage detection method for long span cable-stayed bridge based on model updating［J］． Journal of Vibration，Measurement＆Diagnosis，2012，32（2）：276－281．

［23］Yeung W T，Smith JW．Damage detection in bridges using neural networks for pattern recognition of vibration signatures［J］．Engineering Structures．2005，27（5）：685－698．

［24］ Sahin M，Shenoi R A．Quantification and localisation of damage in beam-like structures by using artificial neural networks with experimental validation［J］．Engineering Structures，2003，25（14）：1785－1802．

［25］Lee J J，Lee JW，Yi J H，et al．Neural networks-based damage detection for bridges considering errors in baseline finite element models［J］．Journal of Sound and Vibration 2005，280（3－5）：555－578．

［26］Ko JM，Sun ZG，Ni Y Q．Multi-stage identification scheme for detecting damage in cablestayed Kap Shui Mun Bridge［J］．Engineering Structures 2002，24（7）：857－868．

［27］Bakhary N，Hao Hong，Deeks A J．Damage detection using artificial neural network with consideration of uncertainties［J］．Engineering Structures，2007，29（11）：2806－2815．

［28］Mehrjoo M，KhajiN，MoharramiH，etal．Damage detection of truss bridge joints using Artificial Neural Networks［J］．Expert Systems with Applications，2008，35（3）：1122－1131．

［29］Reddy R R K，Ganguli R．Structural damage detection in a helicopter rotor blade using radial basis function neural networks［J］．Smart Mater．Struct．2003，12（2）：232－241．

［30］ Beck J L，Katafygiotis L S．Updating models and their uncertainties．I：Bayesian statistical framework［J］．Journal of Engineering Mechanics，1998，124（4）：455－461．

［31］ Katafygiotis L S，Beck J L．Updating models and their uncertainties．II： model identifiability［J］． Journal of Engineering Mechanics，1998，124（4）：463－467．

［32］Vanik M W，Beck J L，Au S K．Bayesian probabilistic approach to structural health monitoring［J］．Journal of Engineering Mechanics，2000，126（7）：738－745．

［33］Beck J L，Au S K．Bayesian updating of structural models and reliability using Markov Chain Monte Carlo simulation［J］．Journal of Engineering Mechanics，2002，123（4）：380－391．

［34］Yuen K V，Au S K，Beck J L．Two-stage structural health monitoring approach for phase I benchmark studies［J］．Journal of Engineering Mechanics，2004，130（1）：16－33．

［35］Ching J，Beck J L．Bayesian analysis of the phase II IASC-ASCE structural health monitoring experimental benchmark data［J］．Journal of Engineering Mechanics，2004，130（10）：1233－1244．

［36］Yuen K V，Beck JL，Katafygiotis L S．Unified probabilistic approach for model updating and damage detection［J］．Journal of applied mechanics，2006，73（6）：555－564．

［37］Cheung S H，Beck J L．Bayesian model updating using hybrid Monte Carlo simulatin with application to structural dynamicmodels with many uncertain parameters［J］．Journal of Engineering Mechanics，2009，135（4）：243－255．

［38］易伟建，周云，李浩．基于贝叶斯统计推断的框架结构损伤诊断研究［J］．工程力学，2009，26（5）：121－129．YI Wei-jian， ZHOU Yun， LI Hao． Damage assessment research on frame structure based on bayesian statistical inference［J］．Engineering Mechanics，2009，26（5）：121－129．

［39］王建江．基于贝叶斯统计方法的桥梁损伤识别研究［D］．杭州：浙江大学，2005．

［40］Papadopoulos L，Carcia E．Structural damage identification：a probabilistic approach［J］．AIAA Journal，1998，36（11）：2137－2145．

［41］Papadopoulos M，Carcia E．Probabilistic finite elementmodel updating using random variable theory［J］．AIAA Journal，2001，39（1）：193－195．

［42］Yeo I，Shin S，Lee H S，et al．Statistical damage assessment of framed structures from static responses［J］．Journal Engineering Mechanics，2000，126（4）：414－421．

［43］Jang JH，Yeo I，Shin S，etal．Experimental investigation of system-identification-based damage assessment on structures［J］．Journal Strucure Engineering，2002，128（5）：673－682．

［44］Xia Y， Hao H， Brownjohn J M W， et al． Damage identification of structureswith uncertain frequency and mode shape data［J］．Earthquake Engineering and Structural Dynamics，2002，31（5）：1053－1066．

［45］Pothisiri T，Hjelmstad K D．Structural damage detection and assessment from modal response［J］．Journal of Engineering Mechanics，2003，129（2）：135－145．

［46］ Saito T，Mase S，Morita K．A probabilistic approach to structural damage estimation［J］．Structural Control and Health Monitoring，2005，12（3－4）：283－299．

［47］张清华，李乔，唐亮．斜拉桥结构损伤识别的概率可靠度法［J］．铁道学报，2005，27（3）：70－75．ZHANG Qing-hua，LIQiao，TANG Liang．Statistical damage assessment method of cable-stayed bridges based on static response test data［J］．Journalof the China Railway Society，2005，27（3）：70－75．

［48］张清华．基于概率可靠度的结构损伤识别理论研究及应用［D］．成都：西南交通大学，2006．

［49］张清华，李乔，唐亮．基于参数识别的结构损伤概率诊断方法［J］．工程力学，2007，24（8）：15－21．ZHANG Qing-hua，LI Qiao，TANG Liang． A statistical damage assessment method based on parameter estimation［J］．Engineering Mechanics，2007，24（8）：15－21．

［50］张清华，李乔，唐亮．基于试验设计的结构损伤概率诊断方法［J］．铁道学报，2008，30（2）：52－57．ZHANG Qing-hua，LIQiao，TANG Liang．Statistical damage assessmentmethod of structures based on experimental design［J］．Journal of the China Railway Society，2008，30（2）：52－57．

［51］张晴雯．结构损伤识别不确定性的研究［D］．大连：大连理工大学，2007．

［52］林晓松．基于高阶响应面方法的桥梁有限元模型确认［D］．福州：福州大学，2010．

［53］冯新，李国强，周晶．土木工程结构健康诊断中的统计识别方法综述［J］．地震工程与工程振动．2005，25（2）：105－113．FENG Xin，LIGuo-qiang，ZHOU Jing．State of the art of statistical identification for structural health diagnosis in civil engineering［J］．Earthquake Engineering and Engineering Vibration，2005，25（2）：105－113．

［54］Sohn H，Czameeki J A，Farrar C R．Structural health monitoring using statistical process control［J］．Journal of Structural Engineering，2000，126（11）：1356－1363．

［55］Sohn H，Farrar C R．Damage diagnosis using time series analysis of vibration signals［J］．Journal of Smart Materials and Structures，2001，10（3）：446－451．

［56］姜绍飞，姚娟．基于粗集与数据融合的结构损伤识别方法［J］．工程力学，2009，26（4）：207－213．JIANG Shao-fei，YAO Juan．Structural damage identification method based on rough set and data fusion［J］．Engineering Mechanics，2009，26（4）：207－213．

［57］郭惠勇，张陵，蒋健．不同信息融合方法在结构损伤识别上的应用和分析［J］．工程力学，2006，23（1）：28－32．GUO Hui-yong，ZHANG Ling，JIANG Jian．Application and analysis of different information fusion methods for structural damage detection［J］．Engineering Mechanics，2006，23（1）：28－32．

［58］刘涛，李爱群，缪长青，等．基于数据融合的结构损伤识别方法研究［J］．工程力学，2008，25（1）：16－21．LIU Tao，LI Ai-qun，MIAO Chang-qing，et al．Study of structural damage identification methods based on data fusion［J］．Engineering Mechanics，2008，25（1）：16－21．

［59］刘涛，李爱群，赵大亮，等．改进模态应变能法在混凝土组合箱梁桥损伤诊断中的应用［J］．工程力学，2008，25（6）：44－50．LIU Tao，LI Ai-qun，ZHAO Da-liang，et al． Improved modal-strain-energy damage detection method and its application in concrete composite box beam bridges［J］．Engineering Mechanics，2008，25（6）：44－50．

［60］JIANG Shao-fei，ZHANG Chun-ming，ZHANG Shuai．Two-stage structural damage detection using fuzzy neural networks and data fusion techniques［J］． Expert Systems with Applications，2011，38（1）：511－519．

［61］JIANG Shao-fei，FU Da-bao，HU Chun-ming，etal．Damage identification of concrete-filled steel tubular arch bridge using data fusion based on information allocation theory［J］．Procedia Engineering，2011，15：1705－1710．

［62］ JIANG Shao-fei，FU Chun，ZHANG Chun-ming．A hybrid data-fusion system using modal data and probabilistic neural network for damage detection［J］．Advances in Engineering Software，2011，42（6）：368－374．

［63］ LIU Yi-yan， JU Yong-feng， DUAN Chen-dong et al．Structure damage diagnosis using neural network and feature fusion ［J］． Engineering Applications of Artificial Intelligence，2011，24（1）：87－92．

［64］郭健，陈勇，孙炳楠，等．基于多传感器信息融合的结构损伤识别研究［J］．振动工程学报，2005，18（2）：155－160．GUO Jian，CHEN Yong，SUN Bing-nan，et al．Study of structural damage identification based on multi-sensor information fusion［J］．Journal of Vibration Engineering，2005，18（2）：155－160．

［65］郭惠勇，王磊，李正良．基于改进PSO算法的两阶段损伤识别方法［J］．西南交通大学学报，2011，46（6）：926－932．GUOHui-yong， WANG Lei， LI Zheng-liang． Two-stage damage detection method based on improved particle swarm optimization algorithm［J］．Journal of Southeast Jiaotong University，2011，46（6）：926－932．

［66］郭惠勇，张陵，周进雄．基于改进加权D-S信息融合的结构多损伤位置识别［J］．工程力学，2005，22（1）：235－240．GUOHui-yong，ZHANG Ling，Zhou Jin-xiong．Identification of structural multiple damaged locations based on dempster-shafer theory of weighted balance of evidence［J］．Engineering Mechanics，2005，22（1）：235－240．

［67］姜绍飞，胡春明．基于模态指标与数据融合的钢管混凝土拱桥损伤识别［J］．振动与冲击，2009，28（12）：91－95．JIANG Shao-fei， HU Chun-ming． Structural damage identification based on modal indices and data fusion for an arch bridge of concrete-filled steel tubes［J］．Journal of Vibration and Shock，2009，28（12）：91－95．

［68］金虎，楼文娟．基于位置和程度指标的结构损伤识别研究［J］．浙江大学学报（工学版），2006，40（8）：1393－1398．JIN Hu，LOU Wen-juan．Structural damage identification research based on location index and extent index［J］．Journal of Zhejiang University（Engineering Science），2006，40（8）：1393－1398．

［69］丁幼亮，李爱群，邓扬．小波包分析和信息融合在结构损伤预警中的联合应用［J］．工程力学，2010，27（8）：72－76．DING You-liang， LI Ai-qun， DENG Yang． Combined application of wavelet packet analysis and information fusion on structural damage alarming［J］．Engineering Mechanics，2010，27（8）：72－76．

［70］周春芳，陈勇，孙炳楠．基于D-S证据理论的结构多精度损伤识别结果融合方法［J］．振动与冲击，2006，25（6）：5－8．ZHOU Chun-fang，CHEN Yong，SUN Bing-nan．A result-merging algorithm of structure damage identifications with multi-resolution based on D-S evidential theory［J］．Journal of Vibration and Shock，2006，25（6）：5－8．

［71］滕军，卢伟．基于多类型传感器信息的结构损伤识别方法［J］．东南大学学报（自然科学版），2010，40（3）：538－542．TENG Jun，LUWei．Structural damage identificationmethod based on multi-type sensors［J］． Journal of Southeast University（Natural Science Edition），2010，40（3）：538－542．

［72］焦莉，李宏男，张海，等．基于数据融合和“能量－损伤”的结构多损伤模式识别［J］．振动与冲击，2010，29（8）：120－123．JIAO Li，LIHong-nan，ZHANG Hai，etal．Structuralmulti-damages pattern recognition based on data fusion and energy-damage［J］．Journal of Vibration and Shock，2010，29（8）：120－123．

［73］焦莉，李宏男．基于数据融合和小波分析的结构损伤诊断［J］．振动与冲击，2006，25（5）：85－88．JIAO Li，LIHong-nan．Diagnosis of structural damage based on data fusion and wavelet analysis method［J］．Journal of Vibration and Shock，2006，25（5）：85－88．

［74］姜绍飞，韩哲东，吴兆旗．数据不完备下基于自适应数据融合的结构异常检测方法［J］．沈阳建筑大学学报（自然科学版），2012，28（3）：385－392．JIANGShao-fei， HAN Zhe-dong， WU Zhao-qi． Novelty detection method with incomplete data based on adaptive data fusion［J］．Journal of Shenyang Jianzhu University（Natural Science Edition），2012，28（3）：385－392．

［75］焦莉，张海，伊廷华．一种基于数据融合的结构损伤特征提取方法［J］．沈阳建筑大学学报（自然科学版），2011，27（4）：621－625．JIAO Li，ZHANGHai，YI Ting-hua．A feature extraction method of structure status based on data fusion［J］．Journal of Shenyang Jianzhu University（Natural Science Edition），2011，27（4）：621－625．

［76］焦莉．基于数据融合的结构损伤识别［D］．大连：大连理工大学，2006．