中国古建筑是珍贵的历史文化遗产,也是世界建筑之林中独特的典范。由于各种因素的影响,古建筑木结构在长期服役过程中出现了不同程度的损伤,且近年来环境激励对古建筑木结构的影响日益剧增,因此有必要开展在环境激励下的古建筑木结构损伤识别研究,为古建筑木结构的保护工作提供理论依据。本文利用环境激励技术、小波分析、BP神经网络和层合理论等原理,以西安钟楼为研究对象对环境激励下古建筑木结构进行了损伤识别和损伤定量分析。主要研究内容如下:（1）构造小波总能量变化率作为损伤识别指标,将其应用于古建筑木结构的梁和榫卯节点损伤识别,通过数值模拟验证了该指标能准确对单损伤和多损伤工况下的梁和榫卯节点损伤识别。论文通过提取西安钟楼首层一榀木构架模型单元节点在环境激励作用下发生损伤前后的加速度信号,对其进行离散重组得到小波总能量变化率,以此为损伤识别指标对构架进行了分析。由结果可知该指标能够对单损伤工况和多损伤工况进行准确识别且不受小波函数选择和小波分解尺度影响,同时具有一定抗噪能力,对损伤程度变化敏感;（2）结合小波分析与BP神经网络,以小波总能量变化率为特征参数利用小容量样本和单一损伤识别指标实现了环境激励下对梁和榫卯连接的较精确的损伤定位以及对梁单损伤与多损伤工况的损伤程度识别,通过一榀木结构框架模型进行了验证并将其应用于西安钟楼完整结构模型。在单损伤、多损伤工况下,对西安钟楼梁和榫卯节点设置5%-50%的损伤。对梁进行损伤定位分析时,65组数据中59组预测正确,准确率大于90%,损伤程度识别的期望输出与实际输出最大差值不超过3%;对榫卯节点损伤进行定位分析时,45组测试样本中40组预测正确,准确率大于88%;（3）根据层合理论提出用分层实体单元将木材分为损伤表层和中间无损伤层的方法,从细观尺度上对木材表层损伤进行描述。引入损伤深度作为新参数,以小波总能量变化率为损伤识别指标,共同作为特征参数输入BP神经网络,以弹性模量折减率为输出参数对损伤进行多维量化。为了验证该方法,分别将其应用于一榀木结构框架梁和西安钟楼,利用beam188单元和solid186单元建立多尺度模型分两个步骤进行数值模拟。分析结果显示期望输出与实际输出的最大误差不超过2%,表明通过分层实体单元模拟木材损伤并引入损伤深度为参数量化木梁损伤是可行的,能够为环境激励下古建筑木结构梁损伤预警研究和复杂结构局部损伤分析提供参考理论。