框架结构是生活中常见的一种受力结构,广泛应用于房屋、厂房及桥梁中,但由于受到自然环境、外界荷载、自身缺陷等因素的影响,结构会发生不同程度的损伤。因此,对结构进行损伤识别研究具有重要意义。在已有研究成果的基础上,本文提出了基于经验模态分解（EMD）和小波神经网络的框架结构损伤识别方法,主要研究内容及工作如下:（1）研究对比了三种降噪方法对含噪声信号的降噪效果,三种方法包括:小波阈值降噪法、EMD-小波阈值联合降噪法以及去掉高频信号降噪法。研究结果表明,EMD-小波阈值联合降噪法的降噪效果最佳。（2）提出了一种新的损伤指标并对其损伤识别效果进行研究:建立一个两层、两跨×两跨的框架结构模型作为研究对象,获取冲击荷载作用下结构的加速度响应信号,构造了新的损伤识别指标节点综合加速度平方差。将损伤指标结合小波变换用于识别损伤位置,并与已有指标节点综合加速度差值进行效果对比,发现节点综合加速度平方差值指标损伤识别效果优于节点综合加速度差值指标,能较好的识别各种工况的损伤位置。（3）提出了基于EMD-小波阈值联合降噪及小波变换的损伤识别方法:考虑噪声对识别结果的影响,分别对含噪声信号、小波阈值降噪信号以及EMD-小波阈值联合降噪后的信号进行小波变换,根据变换后细节信号的尖峰高度来识别结构损伤位置。结果表明含噪信号小波变换和小波阈值降噪信号小波变换不能判断损伤位置,而EMD-小波阈值联合降噪后信号的小波变换能较好的判断损伤位置,但对于噪声成分较大且损伤程度较小的情况难以正确识别损伤位置,说明这种方法具有一定的可行性,但仍需进一步改进。（4）建立损伤识别指标与损伤状态的非线性映射关系,利用BP神经网络和RBF神经网络识别框架结构的损伤程度。研究结果表明这两种神经网络模型能较好的识别损伤程度,满足误差要求,证明采用人工神经网络判断结构损伤程度具有一定的可行性。