大型建筑结构的安全不仅关系到社会经济的命脉，还影响着经济生产和人民的生活。结构健康监测(Structural Health Monitoring，SHM)技术一直是人们研究的重要课题之一。当前SHM系统面临着许多挑战，其中最主要的挑战有：(1)如何提供一个长期稳定的监视和控制：(2)如何通过有效的手段探测并且确定结构性损坏；(3)如何研发一个SHM的合适方法，使其动态地适应不断变化的监控环境。人工免疫系统方法的引入为应对这些挑战提供了相应的解决方案。本论文的主要工作如下：　　(1)生物免疫系统具有极其强大的异常检测和分类的能力，在对生物免疫系统的一些基本概念、系统组成、特征及原理分析的基础上，针对结构健康监测系统如何自主有效的实时监测建筑物的状态，利用人工免疫系统的自治性、主动性、自适应及学习和记忆的仿生机理，基于低能耗、分布式检测的无线传感器网络平台，研究结构健康监测中对结构损伤识别和分类的问题，并详细讨论了生物免疫系统与基于人工免疫系统的结构健康监测传感器网络的对应关系。　　(2)以克隆选择原理为基础，对免疫学习算法及其在结构损伤分类中的应用进行了深入研究，提出了一种基于Diagonal距离的人工免疫模式识别的结构健康监测和分类(AIPR-SDC)方法，并以IASC-ASCE SHM工作小组所提出的benchmark结构模型为平台，在Matlab软件中对5种结构模式下的损伤类别进行仿真实验研究，由仿真实验结果进一步分析距离类型和系统参数对分类成功率的影响。　　(3)针对结构健康监测环境空间跨度大、结构环境复杂和需要长期稳定运行等问题，在无监督结构损伤监测和分类实现方案中采用了数据聚类和人工免疫识别相融合的方法(DC-AIPR)。用层次聚类Chameleon算法对每一种损伤模式产生初始记忆细胞，再通过使用人工免疫模式识别算法，进化这些初始记忆细胞，进而改进了记忆细胞的质量，最终实现无监督结构损伤分类过程。在benchmark结构模型上的仿真实验结果表明了整个系统设计的可行性。