我国是一个水利水电大国,每个大坝在设计的使用期内,很有可能出现各种病害,这些病害若不及时发现,任其发展,轻则影响水电站设计功能的发挥,重则可能造成坝溃厂毁,殃及下游的人民的人民的生命财产。因此,有必要适时地对它们进行安全监测和损伤分析。 结构发生损伤必然导致结构动力特性的改变,基于结构动力特性的结构损伤识别是当前学术界和工程界研究的热点。本文首先对结构损伤识别的理论与方法进行了阐述,探讨了频率、振型、应变等模态参数变化与损伤的内在联系,指基于频率改变的方法属于发展最早的利用动力参数变化检测结构损伤的方法,也在不断的改进和发展中展现出其测试简便准确、应用方便等优点。 其次对一种较好的全局寻优算法-遗传算法进行了研究,指出了其缺陷和不足,并对自然界生物进化过程中种群分化、优种保护、优胜劣汰等现象进行了研究,提出了基于浮点编码的遗传算法。通过对一目标函数的试算,表明本文所提方法是一种有效的全局寻优算法； 对于传统的神经网络收敛速度慢,易陷入局部最小等缺陷,用本文所提出的遗传算法对其进行改进,优化神经网络的权值,提高了神经网络的全局寻优能力和训练速度；继而从神经网络的结构损伤识别能力入手,探讨了用神经网络进行结构损伤识别的基本原理,并应用本文的改进遗传-神经网络对结构进行损伤识别。 本文以频率变化作为改进遗传.神经网络的输入向量并进行训练,应用训练后的神经网络对弹簧质量系统和重力坝进行损伤的定位和损伤程度的标定,结果表明了基于本文改进遗传-神经网络的结构损伤识别方法弥补了传统BP神经网络收敛速度慢,易陷入局部最小等缺陷,具有收敛速度快、识别精度高等特点。可以成功的运用到结构损伤识别的分析中。并得出识别结果与结构所使用材料性质没有直接关系,因此该方法可广泛应用于各类结构构件。