近二十年来，随着各种工程结构的老化问题和维修成本的增加，使得结构的损伤检测和健康监测方法获得了快速的发展。许多结构损伤识别方法是以结构固有特性为依据，利用结构动力响应信息，通过寻求结构损伤前后模态参数的变化来识别结构损伤的发生、位置和程度。这些损伤识别方法对结构损伤的识别具有一定的准确性和有效性。但是损伤会引起结构参数的变化，可能会导致损伤前后具有相同阶数的模态并不是一一对应的关系。理论上已经证明损伤前后模态可能会发生跃迁的现象。 本文提出一种新的损伤识别指标，即柔度对角曲率。它只需结构损伤后的低阶模态参数，从而避免考虑模态跃迁和高阶模态参数不易测量的因素而影响识别的准确性。以悬臂梁结构为研究对象，建立有限元模型，对结构发生单损伤和多损伤的情况进行损伤模拟，用柔度对角曲率和已有文献中提及的柔度曲率这两个损伤识别指标分别对结构的损伤进行识别研究。结果表明这两种损伤识别指标均可对损伤的存在、位置和程度进行识别，并对比分析了两种损伤识别指标对损伤的敏感度。 用模态参数构造损伤识别指标的损伤识别方法是结构损伤诊断的一条途径，但是只能对结构损伤的位置和程度做出定性的评估。由于人工神经网络具有很好的自组织学习能力、模式识别能力以及容错能力，可以对结构损伤的位置和程度做出定量的辨识。目前人工神经网络应用于结构损伤识别的研究已越来越受到关注。如何选取神经网络的输入参数和设计高效的神经网络对结构损伤进行识别，至今还没有确定的标准，是一个值得研究的课题。本文提出将上述的两种损伤识别指标分别作为神经网络的输入向量，与两种改进算法的BP网络(自适应调整学习率的动量算法和共轭梯度BP算法)以及径向基函数(RBF)网络识别结构的损伤位置和程度。通过算例仿真，验证了在考虑单损伤的情形下，用这两种损伤识别指标得到的样本数据来训练不同的神经网络模型的损伤识别方法是可行的。研究表明，改进算法的BP网络和RBF网络均可对结构损伤的位置和程度进行正确的识别。就网络的性能而言，BP网络中的共轭梯度算法比自适应调整学习率的动量算法的收敛速度要快，因而可达到更高的计算精度，RBF网络是收敛速度最快的，同时满足识别的精度。