在结构损伤检测领域,神经网络被广泛用作智能损伤模式识别工具,其智能、鲁棒、高效等优势多被强调。不同于已有研究,本文提出一种分级式的神经网络模型,该模型包含有机联接、分别由2个神经网络ANN1和ANN2主导的两个层级：在第一层级,ANN1对原始损伤特征样本矩阵进行非线性主成分分析,实现损伤特征提取的功能,能很好地保留样本数据包含的损伤信息,同时又极大地降低了样本容量,对计算的简化和计算性能要求的降低有十分重大的意义；在第二层级,ANN2利用ANN1的结果进行模式识别和损伤状判断。两个层级上,ANN1和ANN2协同合作,构成了一个集损伤特征提取和损伤模式辨识两重功能于一体的智能化结构损伤检测系统。为了对该系统的有效性进行验证,将该系统应用于噪声条件下三跨连续桥梁的损伤检测,数值试验说明该系统能够准确探测三跨连续桥梁结构的损伤位置及程度,尤其是在信噪比SNR为10的情况下仍能成功地辨识损伤状态；进一步,将该系统应用于该领域国际标准试验模型——ASCE四层框架结构的损伤检测,结果表明该系统能够有效检测出损伤位置与程度。与现有的模态方法和普通神经网络检测方法相比,所提出的分级神经网络的智能化结构损伤检测系统具有准确性高、计算空间要求低和耐噪性强的优势,为发展先进的结构损伤检测方法提供了技术支撑。