古木构建筑是中国古代建筑遗产的核心载体。如今仍保存有大量此类建筑，具有卓越的文化价值。木材作为一种天然生物建筑材料，在长期服役过程中易受环境温湿度变化、虫蛀和真菌侵蚀、雪载和风载以及地震作用等耦合劣化过程的影响[1]。因此，木构件普遍存在材料老化、力学性能退化等损伤现象[2,3]，导致结构安全储备持续下降。因此，对古木构建筑的性能及其保护性修复进行研究具有重要的工程价值和文化遗产意义。
木材的生物特性十分显著。在长期服役过程中，木材容易发生开裂、虫蛀和腐朽等结构损伤[4]。随着服役年限的增加，损伤不断累积，结构安全的不确定性也日益加剧。目前，可穿戴移动扫描、合成孔径雷达干涉测量和机载激光扫描等多种监测技术已得到广泛应用[5,6]，有效弥补了传统监测方法往往单一且效率低下的不足。然而，这些设备价格昂贵，且对操作人员的专业技能要求较高，限制了其推广应用。
在实验层面，研究人员通常采用足尺和缩尺模型，通过低周反复加载和振动台试验研究木框架和榫卯接头的承载特性及抗震机理[[7], [8], [9], [10], [11]]，从而为有限元建模提供基本参数[12]。然而，现有实验大多在完好构件上进行，未考虑老化构件复杂服役条件的影响，导致数据适用性有限。基于力学试验，大量研究采用ANSYS、ABAQUS和SAP2000等软件分析构件和接头的耗能特性及抗震性能[[13], [14], [15], [16]]，并推导和优化接头力学模型[17,18]。然而，大多数现有模型忽略了典型木材损伤的影响，难以重现实际服役状态。随着智能算法的进步，深度学习和机器学习逐渐被应用于木构件的损伤识别与评估[2,19,20]。然而，现有模型普遍存在训练样本不足、对复杂服役条件适应性差、缺乏跨模型精度验证等问题，泛化能力有待进一步提升[21,22]。
在结构安全评估领域，传统定性评估的量化程度低，且易受主观模糊性的影响。虽然定量评估精度更高，但面临指标取值依据不足、可靠性存疑等问题[23]。同时，国内关于古木构建筑抗震易损性的研究仍然相对有限。现有成果主要依赖于使用ANSYS和ABAQUS等软件建立的精细化有限元模型[24,25]。经振动台试验数据标定[26,27]后，这些模型被用于选取场地运动记录进行IDA[28]，建立场地运动强度参数与各损伤状态超越概率之间的定量关系，从而评估结构在给定地震强度下经历特定损伤水平的条件概率[29]。然而，振动台试验模型与实际古木构建筑的材料性能之间存在显著差异，不可避免地给标定后的数值模型引入一定误差。此外，尽管ANSYS具有强大的通用性、全面的前后处理能力和稳健的线性分析性能，但其非线性分析能力相对较弱。而ABAQUS则擅长复杂材料本构建模和接触非线性分析，具有高的求解精度，在大变形及复杂接触分析方面表现出色，但需要大量的计算资源[30,31]。两款软件均对使用者专业技能、计算资源和时间成本提出了较高要求，难以满足基层文化遗产保护单位对大量古建筑进行初步、高频、批量安全筛选的实际需求。因此，如何合理简化复杂的精细化建模过程，并开发一种适用于古木构建筑的快速结构安全评估方法，已成为当前工程实践中亟需解决的关键问题。
综上所述，现有研究仍存在试验结果泛化性不足、模型试验成本高昂难以大规模实施、精细化数值模型复杂低效以及缺乏简单可靠的简化评估方法等不足。鉴于此，本研究的目的并非提出全新的理论框架，而是解决基层文化遗产保护单位在对大量古建筑进行初步安全评估时面临的实际问题——即建模复杂、计算成本高和技术门槛高。通过合理简化和优化现有理论方法，将古木构建筑的动力学模型简化为SDOF体系，基于现有试验数据构建恢复力模型，利用MATLAB建立非线性动力学分析流程，并开发了一套实用的快速筛选技术方案。此外，通过调整结构侧向刚度，定量评估了虫蛀腐朽、榫卯接头拔出和基础沉降等损伤现象对结构力学性能的影响。该方法满足了古建筑快速安全筛选的工程需求，并为古木构建筑快速抗震性能评估体系的发展提供了理论基础和技术支持。
