结构健康监测是当前工程界与学术界研究的一个热点问题。本文对应用振动模态分析识别结构损伤研究的大量国内外文献进行系统分析、归纳和总结的基础上，创造性地提出把结构损伤识别问题分成三个子模块分别来进行，即结构损伤辨识子模块、结构损伤定位子模块和结构损伤程度标定子模块。并针对上述子模块，分别提出了相应的标识量，这些标识量对损伤有较好的敏感性。 鉴于用振动模态构造的损伤标识量往往需要求解复杂的数学反演问题使结构损伤识别的在线实时监测存在困难。神经网络以其优异的非线性映射能力可以将逆问题正问题化，因此本文提出将振动模态分析和神经网络技术结合起来，以振动模态构造的损伤标识量作为神经网络识别输入的特征参数，从而进行结构健康监测。 针对BP网络固有的收敛速度慢、局部极小等问题，本文对BP网络进行了性能优化，经过软件实现和数值仿真，效果很好。应用该优化的BP网络对工程上最常见的矩形梁进行了损伤识别，结果令人满意。上述研究成果表明，本文所采用的将神经网络技术和振动模态分析技术相结合的方法是行之有效的，为结构健康监测研究提出了一条新的技术路线。