由于社会经济的飞速发展和科学技术水平的不断进步,现代土木工程结构也日趋大型化、复杂化。这类规模巨大和结构复杂的工程结构在设计使用年限里受到环境和自身的各种复杂因素(如环境侵蚀、自然灾害、荷载长期效应、疲劳效应、材料老化)的影响,将不可避免地造成结构的损伤积累和抗力降低,存在极大的安全隐患。因此,损伤诊断技术己经成为工程领域内的研究热点问题。本文阐述了损伤识别技术的研究现状,总结了已有的损伤识别方法及其特点。在此基础上,提出了一种基于小波分析和BP神经网络的分步损伤识别法,并通过数值仿真算例对该分步损伤识别方法的可行性和有效性进行了验证。由于BP神经网络对于结构存在多处损伤的情况,其神经网络训练所需的样本数十分庞大,从而也使该方法难以运用于实际工程。本文针对上述问题提出一种分步损伤识别方法,即将小波分析方法与人工神经网络有机结合,先应用小波分析方法判断损伤位置或损伤范围以减小样本空间,然后应用神经网络对损伤程度进行精确计算。基于该分步识别法,本文以单层框架结构为研究对象,首先利用连续小波变换对四种不同损伤工况进行了损伤位置识别,并分析了不同类型的模态数据和不同阶振型以及有限元模型的不同单元划分数对识别结果的影响。然后在确定了结构的损伤位置之后,再利用BP神经网络进行结构的损伤程度识别,识别结果表明,分步识别法在缩减样本方面确实具有很高的效率,该方法能够应用于较复杂的实际工程结构。本文还利用基于小波分析和BP神经网络的分步损伤识别法对不同的结构形式进行了损伤识别研究。该分步识别法对三跨连续梁结构的损伤识别效果良好,而对于四层框架结构,由于其有限元结构模型的节点位置不连续,而对损伤位置识别造成干扰,本文采取分层法,把整个框架结构进行有限元模态分析后的数据,按层划分,然后逐层进行损伤位置识别,从而避免节点位置不连续造成对损伤位置识别的干扰,通过对上述四层框架各工况的分层识别损伤位置,取得令人满意的识别效果。