結構健康監測是指對（duì）工程結構實施損傷檢測和（hé）識別。 我們（men）這裏所（suǒ）說的（de）損傷包括材料特性改變或結構體係的幾何特（tè）性發生（shēng）改變，以及邊界條件和體係的連續（xù）性，體係的整體連續性對結構的服役能力有至關重要的作（zuò）用。 結構健康監測涉及到通過分析定期采集的結構布置的傳感器陣列（liè）的動力響（xiǎng）應數據來觀察體係隨（suí）時間推移產生的變（biàn）化，損傷敏感特征值的提取並通過數據分析來確定結構目前的健（jiàn）康狀態。對於長期結構健康監測，通過數據定（dìng）期更新來估計結構老化和惡（è）劣服役環境對工程結構是否有能力繼續實現設計功能（néng）。

1 起源
　　長期以來，我們一直使（shǐ）用針對質（zhì）量的不連續的方法來評估結（jié）構是否有能力繼續服役（yì）以實現設計目的。從19世紀初（chū）開始，列車員借助小錘通過聽錘擊鐵軌的聲音來確（què）定是否存在損傷。在旋轉機械行業，幾十年來振動監測一直作為檢測手段。在過去的（de）十到十五年裏，結構健（jiàn）康監測技術開始興（xìng）起並產生一個聯合不（bú）同工程學科分支（zhī）的新的領域，而且專注於這（zhè）個領域的學術會議和科學期刊開始（shǐ）產生。因此這些技術變得更為常見。

2 數據模式識別算（suàn）法

　　結構健康監（jiān）測的問題可歸（guī）入數據模式識別算法的範疇。這個算法可分解為四部（bù）分：（1）實用性評（píng）估（gū），（2）數據采集和提純，（3）特征提取和數據壓縮，（4）統計模型的發展。當你試（shì）圖將此算法應用於實際工（gōng）程結構上獲取的數據時，很明顯的是，第2-4部分，即數據提純、壓縮、正規化和數據融合來貼（tiē）近工程實際服役環境是非常關鍵的（de）環節，我們可通過硬件、軟件以及二者（zhě）的有機結合來實現（xiàn）。
實用性（xìng）評估
　　對於健康監測對結構（gòu）的損傷識別能力，實用性評估（gū）涉及到四個（gè）方（fāng）麵：

　　（1）結構健（jiàn）康監測的應用對於生命安全和經濟效益有什麽好處？

　　（2）怎樣對結構進行損傷定義，多重損傷同時存在的可能性，哪種類型最值得關注（zhù）？

　　（3）什（shí）麽條件下（不同用途、不（bú）同環境）的（de）體係需要監測

　　（4）使用過程中（zhōng）采集數據的（de）局限性（xìng）

　　使用環境（jìng）對（duì）監測的體係和監測過程的完成形成限製條件（jiàn）。 這種評估開始（shǐ）將損傷識別的過程（chéng）和損傷的外部特征聯係起來，當然也用到獨特的損傷特征來完成檢測。
數據采集和提純
　　結構健康（kāng）監測的數據采集部分涉及到選擇激勵方（fāng）法、傳感器類型、數量（liàng）和布置，以及（jí）數據（jù）采集、存儲、傳（chuán）輸（shū）設備。經濟效益是選擇方案一個重要的參（cān）考因素，采樣（yàng）周期是另一個不可忽視（shì）的因素。因為數據可在變化的環境中獲取，將（jiāng）這些數據正規（guī）化的能力在損（sǔn）傷（shāng）識別過程中變得非常重要。當應用於（yú）結構健康監測時，數據（jù）正（zhèng）規（guī）化是一個（gè）分離出由於環境或操作而導致的傳感器測得的不準確的數值。最常見的方法是通過測量輸（shū）入（rù）參數來正規化測得的響應。當（dāng）環境或操作影響比較顯著時，我們需要來對比相似時間段的數據或對應的操作周期。數據的（de）不穩定（dìng）性的來源需要認（rèn）識（shí）到並把它對係統監測的影響降到最低。總的來說，不是所有（yǒu）的影響因素都可以消除，因此，我們（men）有必（bì）要才去適當的措施來確保這些無法消除的因（yīn）素（sù）對監測（cè）係（xì）統的影響作用大小。數據的不穩定性會因為變化（huà）的環境因素、測試（shì）條件以及測試的不（bú）連續性而加劇。

　　數據（jù）提純是一個篩選部分有價值數據以完成傳遞的過程，與特征提取的過程相反（fǎn）。數據提純很（hěn）大程（chéng）度（dù）上基於個人相關數（shù）據采集的經驗。舉例來說，通過檢查測（cè）試設備（bèi）的安裝或許會發現某個傳感器的固（gù）結已經鬆動，因此基於個人經驗可以在（zài）數據處理的（de）過程中刪除獲取的這組數據或某個特定傳感器測得（dé）的數據。數據處理技術，比如濾波和重構，也是一種不錯的數（shù）據提純方法。

　　總之，結構（gòu）健康監測過（guò）程中的數據采集、正規化和提純技術（shù）在不斷前進。特征（zhēng）提取過程的進一步認識和數據（jù）模型的不斷完善都將有助於數據采集技術的進步。
特征提取和數據壓（yā）縮
　　結構健康監測領域中最受關注（zhù）的莫過於通過數據特征如何辨別（bié）出損傷結（jié）構與完好結構。數據壓縮（suō）包含於這個（gè）特征選擇（zé）過程，最有效的損傷（shāng）識別的特征還是（shì）

　　基於相（xiàng）關測試係統的相應量（比如現（xiàn）場測得的振動譜或頻率）是最常用的特（tè）征（zhēng）之一。另一個損傷識別方法是尋找與特定損傷敏（mǐn）感的因素，即某個（gè）結構體係在某特定環境下的（de）損傷（shāng）與某種參數（shù）最（zuì）原始的定義相對應。這種模擬損傷的（de）係統是一（yī）種（zhǒng）非常有效的工具。分（fèn）析（xī）工具的應用也起到非常重要的（de）作用，比如試驗（yàn）驗證的有（yǒu）限元模（mó）型。分析工具通常用來進行數值模擬試驗，通過計算機設置來模擬真實結構的損傷（shāng）。通過觀測承受荷載（zǎi）的結構體係關鍵部件的老（lǎo）化得到的損傷累計測試也可用於識別某（mǒu）些損傷。這個過程涉及到加速損傷測試、疲勞測試、腐蝕、和溫度（dù）循環對某種類（lèi）型損傷（shāng）的積（jī）累。上文提到的多（duō）種類型的分析和試驗研究或（huò）多種研究方法的有機結合可加深對某些損傷（shāng）特征的認識。
統計模型的發展
　　通（tōng）過統計模型來辨別結構是否存在損（sǔn）傷，是結構健康監測（cè）領域文獻中涉及最少（shǎo）的一部分。統（tǒng）計模型關注如何評估結構的損傷狀態的（de）算（suàn）法的使用，統計模型中（zhōng）用到的算法通常分為3種：當完好結構和有損傷（shāng）的結構的數據都可（kě）獲取時，模式識別算法通（tōng）常使用與（yǔ）有參照的研究有關的整體分類，整體分類和（hé）回歸分析法都屬於（yú）有參照研究的範疇；無（wú）參照研（yán）究指的是缺乏損傷結構的（de）數據；新型的檢測技術（或引（yǐn）用（yòng）自其他（tā）行業比較成熟（shú）的技術）是一種應用於（yú）無參照研究中的基本算法（fǎ）。所有的算法（分析統計或提（tí）純優化）都推動損傷識別技術的（de）提升。