本論文之目標在於發展可偵測土木結構損壞位置與損壞程度的方法,並考慮結構受到環境的非線性影響。本論文所欲偵測之結構損壞係指結構勁度折減之情形。 本論文改進「模態應變能改變法」(modal strain energy change method),以克服其應用於三維鋼構建築結構所遭遇之困難,改進的部分包括:(1) 於識別方程式中加入特徵值與模態應變能改變之關係,以增加求解識別方程式之數值穩定性;(2) 由偵測「桿件概損程度」擴充至「桿件斷面性質概損程度」;(3) 於每步迭代時根據上一步之結果更新迭代之目標;(4) 利用未取絕對值之模態應變能變化來決定可能的損壞桿件;(5) 利用動力擴展法來擴展自由度不完全之模態形狀;(6) 藉由設置門檻值避免桿件模態應變能過低造成之數值問題。改進後之模態應變能改變法係利用上述三維鋼構建築結構之數值案例與實驗案例進行驗證。 本論文提出「頻率響應函數變化法」(frequency response function change method)來偵測結構損壞的位置與程度,該法須使用的資訊包括結構破壞前受地表激振下之頻率響應函數、破壞後受地表激振下之頻率響應函數,以及結構破壞前之系統矩陣。頻率響應函數變化法係利用六層鋼構建築結構之數值案例與實驗案例進行驗證。 此外,本論文將頻率響應函數變化法與無線感測系統進行整合。將頻率響應函數變化法所需之演算法植入無線感測元件,發揮無線感測系統分散運算之優勢,同時大幅節省無線感測元件之耗電量。此一透過無線感測系統之線上(on-line)自動化偵測損壞位置與損壞程度的概念,已成功應用於上述六層樓鋼構建築結構之實驗案例。 本論文亦探討「局部柔度法」(local flexibility method)應用於建築結構損壞偵測之可行性,其應用案例包括低樓層剪力型建築與高樓層柔性建築之數值模型及上述六層樓鋼構建築結構之實驗案例。此外,亦比較運用兩種不同演算法所得之柔度矩陣於局部柔度法損壞偵測之結果。 在工程實務上,結構損壞偵測必須克服環境影響而造成的困難,因此本論文提出一處理識別之桿件損壞程度受到環境影響的方法,並強調可在不量測環境變數下處理非線性的環境影響。該法係藉由訓練自相關類神經網路(auto-associative neural network)來進行非線性主成分分析(nonlinear principal component analysis),以萃取環境變數的影響方式。之後,藉由所提出之預測模式可更精確的識別桿件損壞程度。