依據(jù)基本原理的不同，基于模型的損傷評(píng)估方法又可以分為兩類：逆映射技術(shù)和人工智能技術(shù)。雖然從結(jié)構(gòu)的物理狀態(tài)（質(zhì)量矩陣、剛度矩陣和阻尼矩陣）到狀態(tài)指標(biāo)的正映射通常可以推導(dǎo)得出，從結(jié)構(gòu)狀態(tài)指標(biāo)到結(jié)構(gòu)剛度矩陣的逆映射的閉合解大多數(shù)情況下是得不到的，因此有人建議采用敏感度分析算法來解決逆問題。此方法首先通過一階Taylor展開將逆映射問題轉(zhuǎn)化為一個(gè)從狀態(tài)指標(biāo)變化值到結(jié)構(gòu)物理參數(shù)（一般是有限元模型中每個(gè)單元的剛度）擾動(dòng)值的線性映射問題。結(jié)構(gòu)損傷所致的結(jié)構(gòu)物理參數(shù)的變化可以通過逆映射推導(dǎo)或約束優(yōu)化的方法確定�；�于量測數(shù)據(jù)的有限元模型修正技術(shù)也可用于結(jié)構(gòu)損傷識(shí)別，此類方法基于結(jié)構(gòu)的動(dòng)力方程、名義模型和量測數(shù)據(jù)等形成一類約束優(yōu)化問題來求逆映射問題的解，然后通過直接查驗(yàn)更新后的矩陣同原始矩陣的區(qū)別來發(fā)現(xiàn)、定位、并定量結(jié)構(gòu)損傷。人工智能技術(shù)在結(jié)構(gòu)健康檢測中的應(yīng)用也越來越多，其中神經(jīng)網(wǎng)絡(luò)辨識(shí)器的應(yīng)用最為廣泛。它同時(shí)包含了函數(shù)映射和模式匹配能力，而且對(duì)于結(jié)構(gòu)健康狀態(tài)的自動(dòng)辨識(shí)非常有效。模糊推理系統(tǒng)，模糊神經(jīng)網(wǎng)絡(luò)辨識(shí)器以及模糊專家系統(tǒng)是第二類基于人工智能的“辨識(shí)”工具。除此之外，遺傳算法及支持向量機(jī)技術(shù)也可用于結(jié)構(gòu)的健康檢測伸縮縫。