基于静力测试的拉索损伤识别是指结构在静力作用下，以位移、应变、转角等静力响应作为损伤识别的参数，通过参数的变化反分析结构的损伤。静力测试精度较高，理论较为完善，在实际中被广泛应用。

张家弟 [5] 计算了各种损伤状态下结构的静力位移，以无损伤状态下的静力位移作为基准，通过分析位移的变化，成功地识别了结构的损伤情况，且进一步分析了噪声对识别精度的影响，高精度地识别了整个结构的损伤。

Banan等 [6] 提出了使用节点力误差和测点位移误差两种算法，用于解决非线性约束优化问题，可根据已知结构静载荷下的实测位移估算有限元模型本构特性，适用于大型复杂结构。

杜永峰 [7] 理论上证明了挠度差值影响线对结构损伤识别可行性，提出用损伤前后一点的挠度差值来识别损伤，并以一简支梁为例，验证了该方法对损伤位置与损伤程度识别的准确性。紧接着，王艺霖等 [8] 提出了利用竖向支座反力影响线差值指标确定连续梁桥主梁损伤位置的方法，并验证了该方法的可行性。

何伟，陈淮等 [9] [10] 提出了采用吊杆张力或结点间位移差的变化来识别吊杆损伤的方法，以京港澳高速郑州黄河大桥为实例，基于摄动有限元理论研究了吊杆损伤时对吊杆系张力的影响，并对其进行了验证，经过验证表明，该方法比较全面地考虑了吊杆实际边界条件，提高了短吊杆和长吊杆张力测试精度，采用本方法对吊杆进行损伤识别，结果准确。

Abdo [11] 讨论了利用位移曲率进行结构损伤检测的优缺点，指出测点数目和加载情况是重要影响因素。杨晓等 [12] 使用相对曲率差识别了桥梁结构的损失位置，随后结合模拟退火算法识别了损伤程度，以简支梁为例进行了数值模拟验证，结果表明，噪声对于损伤识别的影响更为显著。可以看出在损伤识别时，我们要注重研究噪声对损伤的影响，以达到更加接近真实的损伤情况。

综上所述，基于静力测试的损伤识别虽然具有较为成熟的理论与方法，精度也较高，但仍然存在不足，影响该方法的进一步发展与应用。一方面，静力测试通常只能提供位移和应变等有限的测量信息，相对于动态测试而言，这些信息量较少，可能导致难以得到理想的识别结果；另一方面其测试复杂，往往需要封闭交通，不经济且在识别上具有一定的局限性。

结构的动力测试是指与结构动力特征相关的属性，如频率、振型、阻尼、曲率模态、应变模态等等。结构的动力指纹只与其自身结构有关，是结构的固有特性，结构的任何变化都会引起其动力指纹的变化，故结构的损伤会引起其动力特征的改变。常见的动力指纹有结构的振型，频响函数，固有频率，曲率，柔度等。

莫淑华等 [13] 以前3阶竖向振动的固有频率变化率为参数对复合材料悬臂梁进行了损伤识别研究，成功识别了其损伤位置和程度。Yuen等 [14] 通过分析计算振型差及振型斜率成功识别了结构的损伤位置，不足之处在于，该方法仅对局部损伤较为敏感，而对整体结构识别精度不足。

徐飞鸿等 [15] 针对噪声条件下不同损伤工况的简支梁结构，采用有限元分析方式获取位移振型，进行曲率模态分析。利用最小二乘拟合方法估计曲率模态突变区域的面积，以此估计结构的损伤程度，验证了该方法在噪声条件下能够对结构的损伤程度进行有效的估计。模态振型和频率一样可以直接测得，但是其受测试环境，测点位置等的影响较大，噪声对其影响比频率更大，因此单用测量振型来对其进行损伤识别也有较大的局限性。由于频率和振型均较容易获得，这两种指标结合及其衍生量(曲率模态，柔度曲率，模态应变能等)在损伤识别在有极其重要的地位。

孙海蛟 [16] 将移动质量法与曲率模态法结合，并对基于曲率模态指标进行了改进。但其仍有一些不足，动力测试结构受环境影响较大，难以得到高阶振动信息，此方法需要大量实测信息，如何排除噪声的影响，得到理想的数据也是实际应用中的难点。

Zhao等 [17] 提出了基于广义均布载荷面曲率法的结构损伤识别方法，并将其与模态柔度曲率法和由模态柔度曲率导出的均匀载荷面曲率法等四种方法进行了比较，结果表明，四种方法均能对损伤位置进行识别，广义均布荷载面曲率对损伤位置识别更接近真实值，因此该方法更具有实际应用价值。李杰等 [18] 通过构造的广义柔度曲率矩阵对角指标，再对广义柔度曲率矩阵列元素分别求1-范数和2-范数，分别将损伤前后矩阵列范数向量相减得到新的损伤识别指标，以简支梁为例对三个指标进行了验证，究结果表明：3个新指标均能够识别出单损伤和多损伤工况的损伤位置和损伤程度。综合比较，广义柔度曲率矩阵对角指标效果最好；对于变截面梁桥损伤识别，广义柔度曲率矩阵对角指标有很好且稳定的识别效果；且广义柔度曲率矩阵对角指标能识别测点间部分损伤。

唐国源等 [19] 提出一种将倒数变量与广义柔度矩阵相结合的损伤识别方法，针对测量振型不完整的情况，本文引入一种基于不完整振型的控制方程，并使用基于非负最小二乘法的迭代策略求解损伤识别问题，利用桁架进行验证，与原基于广义柔度矩阵的识别方法相比，倒数变量与广义柔度矩阵相结合的方法识别效果更好。

综上所述，虽然动力指标可以直接进行结构的损伤识别，在数值模拟方面对损伤有着较好的识别效果，但其也存在一定的局限性。第一，在实际工程中，由于各种环境等影响，频率对损伤的敏感性并不强，使得使用该方法在损伤识别时受限；第二，在损伤识别时往往需要无损伤时的动力特性作为基准，对损伤识别造成一定的影响；第三，实测数据受噪声的影响较大，对于提高动力指标的抗噪性方面仍需进一步研究；第四，在实际工程中，高阶振型往往不易获取，这给使用振型、曲率等方法造成干扰，使得其较难应用于大型机复杂的结构。

随着经济社会的不断发展以及传统的损伤识别方法的局限性，智能算法在各种工程场景下得到了不断的应用，由于其优异的非线性能力，被广泛的应用于各个领域。

Zheng等 [20] 提出了一种基于稀疏深度置信网络的方法，将固有频率和振型作为网络的输入参数，成功在输入数据有限时识别了结构的损伤，当存在建模误差和噪声时，该方法具有较为优异的识别能力。程海根等 [21] 以竖向加速度为损伤指标，使用深度置信网络对工字钢梁的损伤进行识别，识别结果表明该方法识别精度较高，且随着噪声的增强，其识别准确率能够趋于稳定，抗噪性能好。

Guo等 [22] 使用卷积神经网络设计了一个具有多尺度模块的网络体系，该模块可在识别损伤时减少噪声污染，加速网络收敛，最后通过数值模拟与试验共同进行了验证，研究表明该方法相对传统方法可提升至少10%识别准确率。

耿超 [23] 以一座斜拉桥为例，基于BP神经网络，SCG神经网络和RBF神经网络，以拉索的应变为监测量对其拉索进行损伤识别研究。每种方法都有其不同的优劣。但本文并没有考虑噪声，外界荷载，温度等因素对拉索损伤识别的影响。

李帛书 [24] 从动力参数和优化智能算法两个方面研究斜拉桥的损伤识别，以一简支梁为例进行验证，然后对双塔单索面预应力混凝土箱梁体系的崖门大桥的桥梁和拉索进行损伤识别，可以达到较好的效果。单德山等 [25] 提出基于联合卷积神经网络(CNN)与长短期记忆(LSTM)深度网络的桥梁损伤识别方法，并用实验数据进行了验证。该方法可有效识别出桥梁的损伤位置和损伤程度，且偏差小。

项长生等 [26] 针对曲率模态对振型节点附近损伤不敏感，通过引入信息熵将曲率模态与信息熵结合，提出曲率模态信息熵理论，并将其与神经网络结合，以简支梁为算例对该方法进行了验证，所提方法能较好地定位及定量损伤。紧接着，项长生等 [27] 基于结构模态、信息熵和BP神经网络，提出桥梁损伤识别的新方法，首先将模态应变能与频率结合推出了模态频率应变能变化率等指标用于结构损伤识别研究，接着将模态频率应变能与信息熵结合构造模态频率应变能熵差变化率等指标，将其与神经网络结合很好的对简支梁和连续梁桥进行了识别，为后续研究提供了新思路。

随着机器学习与人工智能的不断发展，基于智能算法的损伤识别方法也得到了前所未有的发展，且其识别也更为准确，具有较高抗噪性，但是仍然存在一定不足。第一，神经网络的识别精度受训练样本的影响较大，一旦训练样本不好便会造成较大误差，具有较大的不确定性；第二，对于神经网络的训练往往需要大量的训练样本，而在实际工程中较难获得大量准确样本，其在实际工程中应用仍较少。

随着损伤识别理论和各种监测设备的不断发展，结构损伤识别的精度也在不断提高，不断地引入新的技术以解决传统方法的不足，但无论是基于动力参数的还是基于机器学习的，还是各种方法进行结合来进行损伤识别，总有一定的局限性。影响损伤识别的因素有很多，都可能对我们的损伤识别一定的困扰，因此我们需要不断的更新方法等以达到较好的识别效果。