飞行器结构的冲击载荷识别是飞行器健康监测领域的研究重点,尤其是随着飞行器结构复合材料化成为发展趋势。飞行器复合材料结构在服役过程中难以避免会遭受到各种低速冲击事件,可能导致结构产生表面几乎不可见损伤,而这些损伤随着时间扩展会产生灾难性后果。但由于复合材料各向异性且结构复杂性（例如包含筋肋等加强结构）,导致结构的冲击响应十分复杂,使得传统的基于模型的冲击识别方法应用受限。此外,大尺寸的飞行器结构通常意味着需要布置更多的传感器数目,才能更加准确地识别冲击载荷,但这会增加系统集成重量和成本,并且不利于后续维护。本项研究从冲击响应信号时间序列的角度,结合用于时间序列分析的机器学习算法,以轻质化硬件和稀疏传感网络实现了复合材料和金属材料复杂结构上的冲击识别,主要工作如下:（1）提出了基于时间序列分析的粗精结合的冲击定位方法,粗定位以区域方式代替点定位进行识别,通过机器学习方法分析时间序列,设计了基于K近邻和动态时间规整、一维卷积神经网络的冲击区域识别方法,能够基于稀疏传感网络实现高准确度的冲击区域识别。精定位是针对热点区域的高精度监测需求,在冲击区域识别的基础上,实现区域内冲击位置识别,进一步减少定位误差。（2）提出了基于冲击响应信号能量的冲击能量估计方法,并针对现有能量估计方法因冲击区域不同导致的能量估计误差,提出了基于区域修正的冲击能量误差补偿方法,能有效减少能量估计的平均误差。（3）考虑到冲击监测系统的机载需求,提出了一种轻质化、小型化的硬件设计。通过定制化设计的电路实现了 8通道同步数据采集模块,该模块具有尺寸小（71mm*50mm*15mm）和重量轻（80g）特点。此外,还设计实现了包含冲击区域识别,能量估计,自动预警等功能的软件模块。（4）在包括复合材料加筋板、铝合金飞机机身及曲面特征为主的复合材料圆筒结构上开展了相关冲击实验,对冲击监测系统的性能表现进行了综合评估,验证了所提出的冲击识别方法的有效性。