7月6日是暑期学校开班的第二天。上午8:30，由美国加州理工大学Prof. Mohammad Noori带来的题为“An Overview of Some Strategies for Structure Health Monitoring and A Few Suggestions for Research”的精彩讲座准时开讲。
首先，Noori 教授深入浅出的论述了Structure Health Monitoring(SHM)的必要性和实行方法，从损伤识别的角度出发引出了SHM的四个基本层次（即结构损伤检测、局部损伤定位、损伤发生的水平和结构健康评价），介绍了从上世纪90年代以来SHM的主要发展状况，从建立有效可靠的检测策略的角度出发分析了当前常用技术的分类及其不足，并说明了SHM技术在其他领域内的应用和SHM的终极目标。
报告重点介绍了SHM的两个内容：基于小波分析（Wavelet）的方法和人工神经网络技术（Artificial Neural Networks，ANN）。Wavelet方法基于小波分析的基本思想，利用连续小波变换和离散小波变换两种技术和普通小波对数据奇异敏感的性质，发展出了适用于因瞬时刚度丢失引起的突然破坏、加速度响应剧烈变化情形的损伤检测和识别技术。结合ASCE SHM benchmark的研究数据，Noori教授详细介绍了小波技术在结构健康监测中的应用方法和研究成果，并给出了对基于小波分析的健康监测技术未来研究的几点建议。ANN技术为结合了传统建模技术、系统识别技术和人工神经网络技术，统筹了三者各自的优点，适应了新的研究要求，所发展出的先进技术。基于这样的认识，Noori教授及其团队研发的一种新型的智能变参数模型和基于人工神经网络的系统识别技术，其方法可以应用于结构基底被激励的损伤检测和结构非线性阶段的恢复力特性的分析研究。通过对一个三层“shear building”结构的分析，并对比小波分析方法的研究结论，证明了这种智能变参数技术能够克服传统的基本模型和非基于模型方法的特定限制以及其技术的有效性，显示出其性能并没有受到实际结构非线性和地面激励特性的影响。同时Noori教授还提出需在这一领域进行进一步研究，我们任重而道远。
报告在同学们热烈的掌声中进入了尾声。在最后的提问环节中，学员们积极踊跃的展开讨论，Noori教授同时还向大家分享了关于热门研究课题的个人见解。Noori 教授的讲座高屋建瓴、深入浅出，使学员们对结构健康监测技术的新进展有了更加深入的了解。
Prof. Mohammad Noori，美国加州理工大学教授，东南大学兼职教授，曾担任ASME等多个技术委员会特邀编辑，曾创办并主持Uncertainty and Probabilistics委员会（隶属于ASME），担任主持或共同主持过20多场大型国际会议，并长时间担任多个世界500强企业顾问，且为Sigma Xi，Pi Tau Sigma，Chi-Epsilon，以及Sigma Mu Epsilon 成员。Prof. Mohammad Noori的主要研究方向为：力学、随机振动和结构健康监测。迄今已培养博士后及研究生计50余人，Noori 教授和由其领导的团队已发表了190余篇期刊和会议论文，并已拥有两项专利。
