随着计算机技术、测试技术、信号分析技术的发展,传统的靠人工经验识别结构件状态的方法已经不合时宜,取而代之的是更有效的计算机模式识别方法。模式识别技术已经广泛应用在人工智能、系统控制、生物医学工程、遥感数据分析、军事目标识别等各个学科领域,在国民经济、国防建设、社会发展的各个方面都得到了广泛的应用,已经产生了深远的影响。本文首先分析了结构状态检测的相关技术,分析了国内外关于声学共振检测技术的应用情况,比较分析了锤击法与声学共振谱方法在结构件状态检测中的应用,提出对于精细结构件的状态检测,利用声学共振谱方法有更好的适用性。其次分析了小波方法在声学共振谱信号特征提取中的应用,根据声学共振谱信号特征,提出两种利用小波包分解进行特征提取的方法。第一种方法是求取分解后的小波系数的能量;第二种方法是对分解后的小波系数求解奇异值;将能量与奇异值分别作为结构件状态的特征变量,也即模式识别的样本。最后在统计学习理论的基础上深入分析了支持向量机理论及分类算法,并简要论述了BP神经网络结构及原理。比较分析了神经网络方法与支持向量机方法在结构件状态识别上的应用情况,实验结果表明,对于特定的声学共振谱信号,要根据信号特点,恰当的选取小波包分解层数,提取出信号的特征,利用支持向量机方法能够取得很好的识别效果。证明了基于小波包支持向量机结构件状态识别方法的有效性。