对于桥梁和建筑的安全性和可靠性来说,其动应变是重要指标之一。传统的动应变测量方式如应变电测法,数字散斑干涉法等,受限于接触式测量,局部测量等影响,无法用于实际环境的全局测量,往往只能实现局部离散点的测量或者是非在线测量。位移应变转换矩阵可以更加深入理解动应变的实质,并且是许多新的应变测试技术的基础。然而,通常这种转换矩阵是由理论直接给出的并不符合结构所处的自然环境,其内部的固有属性会受到周围环境的影响。为了获得结构在自然环境中的位移应变转换矩阵,本文提出了一种随着外界环境因素的变换,利用结构内部物理特性结合机器学习方法,获得位移应变转换矩阵的方法。研究工作主要包括以下内容:围绕模态分析理论,介绍了离散点和全局之间存在的物理关系,理论介绍了根据离散点预测全局点的可能性。通过应变模态理论,验证了位移和应变之间的关系。通过仿真软件建立固支梁模型,对不同激励点的位置、不同模态阶数和施加不同的激励进行实验研究,得到激励点的位置和不同的激励对实验影响不大。使用前六阶模态振型的情况下,计算得到的位移和应变值都能够反映待测结构的实际位移和应变变化,并具有很高的精度。采用粒子群优化算法,系统研究了不同种群规模和迭代次数下算法收敛的精度、收敛性和计算效率。探讨了使用粒子群优化算法前后,不同的模态振型对动应变的拟合效果,揭示了不同模态振型对动应变识别的影响。将该方法应用到实验梁动应变的测试中来,通过推导转换矩阵的表达式,分析位移应变转换过程,揭示其转换机理。在对实验梁使用不同激励的对比实验表明,位移应变转换矩阵为动应变的测量提供了新的发展方向,在正弦和随机激励下,应变的测量准确度分别达到了99.82%和99.70%。实验结果表明,使用此方法得到的位移应变转换矩阵更符合实际周围环境。该方法通过引入位移应变转换矩阵来识别动应变,对应变测量方法的发展提供了可喜的动力。