科技日新月异，不断催生着建筑领域新型材料、新型结构以及新的理论的产生。结构的安全性得到了更高保障，但是结构是不间断使用的，始终处在疲劳和老化中，因此对结构的监测和维护必不可少。如何在不影响正常使用的情况下对正在服役的结构进行损伤识别是我们面临的更高要求。在众多损伤识别的方法中，以结构受到激励后的加速度响应序列作为原始数据来进行分析处理的全局识别法应用广泛。该方法不受结构复杂程度的影响，并且能够和多种技术进行结合，基于此独特的优势深受研究者的青睐。本文采用时间序列分析方法对结构的损伤识别进行研究。
　　对实际结构进行监测和数据采集时，由于环境的复杂以及噪声的干扰，收集到的数据通常都是非线性的。本文研究的是利用结构损伤后的加速度响应数据来进行结构非线性损伤识别。研究非线性损伤识别更加贴近现实，推进了理论的实际应用进程。
　　本文主要进行了以下几方面的研究工作：
　　①对结构振动时采集的加速度时间序列进行处理，分析序列特征，选择适合模型特性的时间序列模型—GARCH-M模型，并考虑到模型的系数和性质，提出进行损伤识别的指标—距离标准差指标。
　　②提出了只通过损伤后的加速度时间序列进行损伤识别的思路。通过理论、数值模拟以及实验证明了该思路的可行性。
　　③设计并完成了输电塔模型非线性损伤识别实验，对实验采集的数据进行分析处理，并对本文提出的思路、模型和指标进行了验证。
　　④对加速度序列建立异方差经典模型GARCH模型，与GARCH-M模型进行对比，分析得出了GARCH-M模型在拟合优度、对非线性信息的提取以及最终损伤识别结果上优于GARCH模型的结论。
　　通过数值仿真和实验研究发现，在一定损伤程度范围内，该方法能准确识别出损伤位置。优势在于对结构的非线性损伤识别时无需获得损伤前的数据，计算简便，识别准确，具有很好的工程应用性。本文的创新之处还在于将GARCH-M模型首先应用与损伤识别领域，并且在输电塔模型实验阶段设计并使用了非线性模拟器。