输电塔结构是生命线工程中重要的电力基础设施，在复杂的服役环境下易遭受各种损伤甚至发生倒塌等灾难性事故，亟待发展快速的损伤识别算法以确保输电塔结构的安全运营。论文基于向量自回归（VAR）模型和统计模式识别方法，建立了能同时进行损伤定位及损伤程度判别的在线损伤识别算法，并分析了不同因素对算法损伤识别性能的影响规律，为实塔应用提供了技术支撑。　　论文的主要研究内容和研究结果包括：　　①利用多自由度体系运动方程研究了VAR模型系数矩阵的物理意义。在此基础上，利用VAR模型系数主对角线元素的马氏距离作为损伤特征指标，然后采用受试者工作曲线下的面积和Fisher信息量两个统计指标分别识别损伤部位和损伤程度，建立了一种快速的在线损伤识别算法。　　②采用6自由度集中质量模型分析了损伤识别算法的性能。分析结果表明：该损伤识别算法能成功定位损伤程度仅为1％下的单处损伤以及损伤程度为5%下的两处损伤，幷能有效判别损伤的相对程度。　　③研究了VAR模型系统阶数、噪声水平和非线性振动对损伤识别效果的影响，结果表明：当VAR模型的AIC值变化不大时，取较小的阶数更有助于准确地定位损伤；20%的噪声水平仅对损伤程度小于10%以下的损伤识别效果有显著影响，说明算法具有良好的抗噪性；非线性振动对悬臂端的损伤识别有一定的影响，而对固支端的损伤识别影响很小。　　④对于两层单跨框架试验模型结构，分析了三种不同带宽下白噪声信号激励对算法损伤识别效果的影响。结果表明：较大带宽将激励起结构更高频率的振动，能在一定程度上提高算法的定位性能，但在试验实际采用的三种带宽下，采用本文算法均能有效定位结构出现的损伤并能识别损伤的相对大小。　　⑤建立了汉江酒杯型输电塔结构的有限元分析模型，提取了风荷载作用下模型结构损伤前后测点的加速度响应时程。根据响应时程对输电塔进行了结构损伤识别，结果表明：本文建立的损伤识别算法能识别不同部位的损伤及判断损伤的相对程度，应用于大型输电塔结构的在线损伤识别是可行的。