结构损伤识别是一种有效的检测结构的健康状况,防止重大工程事故突然发生,避免或降低人员伤亡和经济损失的技术,具有十分重要的科研意义。土木工程建筑在使用过程中由于自然环境、荷载作用,以及材料老化等原因,结构材料内部的微小损伤经过日积月累,演变成重大的损伤,极有可能导致结构坍塌,引发灾难性后果,结构损伤识别就是要在事故发生之前检测到结构潜在的危险,以采取适当的应对方案,避免灾难降临。在基于结构力学特性改变的方法当中,柔度法及模态应变能法是两种较好的方法,对局部损伤具有很高的敏感度,构造简便。本文在这两种方法的基础上加以改进,一种是基于结构力学特性改变的方法,提出一种新的柔度曲率差(Flexibility Curvature Difference,简称FCD)法;另一种是基于信号处理的方法,将模态应变能差作为BP神经网络(Back-Propagation Neural Network)的输入来训练网络,新的数据输入训练好的网络可预测损伤。本文提出了一种新的综合平均柔度曲率差法,首先取三维结构在四个方向的模态振型,由此求到四个不同的柔度曲率差,再对这四个指标求绝对值的平均值得到综合平均指标。由数值模拟结果表明取四个指标时存在干扰单元,而综合平均指标可以准确地识别损伤位置,新方法比一般的柔度曲率差方法更好。另一种方法是将模态应变能差(第一阶模态)作为BP神经网络的输入,对空间钢架进行有限元数值仿真分析,一共做了9个网络的训练及测试,通过对测试结果的统计分析,表明将单一的损伤指标作为BP神经网络的输入,取单隐含层网络,在足够多的训练样本的情况下,训练好的网络可以对一组新的数据作出准确的损伤预测。这种方法比仅利用模态应变能的方法有着显著的优点,可同时识别损伤位置和程度,正确率也大大提高。