空间结构因为材料特性及施工误差等原因具有初始随机缺陷，这导致结构的几何特性、损伤演变机制和承载能力与设计模型有所差异，造成结构偏于不安全，易出现损伤。如何通过精准的模态分析技术和快速准确的识别算法，从结构的动力响应中提取微小损伤的信息并与正常的初始随机缺陷相区别，既保证结构的正常施工和使用又能对隐患进行做出及时准确的判断是亟需解决的问题。本文首先统计了空间结构参数的统计特征信息，总结了弹性模量、管径、壁厚、泊松比和初始坐标缺陷五类参数的分布形式、均值、变异系数和方差，为进一步的研究奠定了基础。为了解决考虑随机情况时大量样本的计算问题，提出了利用软件结构使用数学软件控制有限元软件进行大量结构计算的途径。采用基于Monte-Carlo方差减小技术的随机有限元方法实现随机缺陷参数的选取和有限元分析，对具有初始随机缺陷的密频空间结构进行新型灵敏度分析，确定结构的敏感参数和薄弱区域。并发现在考虑结构随机分布的情况下使用相应的频率分布存在绝大部分的重叠，直接使用频率进行损伤识别几乎是不可能的，同时对振型数据进行的考察发现振型存在较小的数据重叠现象并且不同杆件的损伤情况下振型分布各有特点。在此基础上研究基于Zernike矩的模态分析技术。通过对确定性结构的分析再次验证了Zernike矩是损伤识别的良好指标，但在考虑结构的随机的情况多种识别方法均无法取得较好的识别正确率，主要原因在于数据重叠使识别分类器发生混淆，出现判断错误。最后基于试验测试，在以一定数目的结构信息代表大量样本的基础上，试验过程中准确识别出了结构的模态信息，基于这些模态信息的分析取得了与仿真分析时类似的结果，真实结构的数据重叠依然存在并且对损伤识别的正确率有着重要影响。本项目考虑了结构随机性时结构损伤识别的问题，并与确定性结构的损伤识别进行了对比，并且进行了随机性结构的试验，对推动结构健康监测的研究与应用具有重要的理论和现实意义。