桥梁结构在实际运营中会受到环境侵蚀、材料老化与荷载长期效应、疲劳效应和突变效应等多种因素的影响,导致结构强度降低和损伤累积等问题。近年来,国内外突发的桥梁塌毁事故引起了社会的广泛关注,同时运营桥梁的结构健康监测研究也迅速发展。本文以模型试验及实桥健康监测数据为基础,对结构随机振动加速度响应进行统计分析,结合支持向量机方法实现了对模型结构的损伤识别,并提出了运营实桥结构安全性预警的方法,具体工作如下:(1)对框架模型实测加速度数据的均值、方差、偏度和峰度等统计特征进行了损伤敏感性分析,验证了方差指标对结构损伤的敏感性,对其损伤判定及定位能力展开了讨论。对加速度时程响应的概率密度函数和累积分布函数的分析表明,两个指标对多种损伤工况具有判定能力,但无法实现对于损伤的定位。(2)比较分析了结构随机振动加速度响应的方差、回归系数和互相关函数幅值向量等三个统计特征量的损伤识别能力,结果表明以单个特征量作为支持向量机的输入向量,对结构损伤识别精度有限,如将三个特征量融合,构建更高维的输入向量,识别精度提高到100%。通过添加高斯白噪声,验证了支持向量机进行损伤识别的方法具有良好的抗噪鲁棒性。(3)引入了特征工程的方法,在保证结构损伤识别精度的前提下降低支持向量机特征向量的维度,减少计算量,但是模型试验数据的分析结果表明,保留下来的特征因子并不固定,该方法在实际使用当中具有局限性。(4)针对运营实桥海量监测数据提出一种新的加速度响应分析方法,将结构的环境激振和车致振动进行分离,分别讨论了两部分加速度响应的统计分布模式。(5)以运营桥梁实测加速度响应的均值、方差和六个分位点构建八维特征向量,建立了基于单分类支持向量机的结构安全性预警方法。以78天的统计数据为样本库,采用一类支持向量机(OCSVM)和支持向量数据描述(SVDD)两种方法对实桥数据进行了识别,结果表明OCSVM的识别精度优于SVDD,且随着训练样本库数量的增加识别精度会更高。以此提出了建立基于多点融合的一类支持向量机实桥结构安全性监测预警系统的方法。