时域损伤识别方法具有精度高、所需传感器更少的优点。为提升时域损伤识别方法的识别效果,需对传感器进行布设优化。当前基于频域识别方法的传感器优化布设研究较为丰富,但对时域传感器布设方案进行高效寻优的方法仍较为匮乏。这阻碍了时域方法在实际工程结构损伤识别上的应用与发展。所以,时域传感器布设优化是当前结构健康检测与损伤识别领域中的关键科学问题。因此,本文利用猴群算法、神经网络模型等智能方法,进行时域传感器布设方案高效寻优研究。本文主要研究工作为:(1)选取基于最小不适定性准则的布置指标作为算法目标函数,对传统猴群算法进行改进。结合传感器布设累加规律,提出了累加猴群算法,以此进行布设单一类型传感器时的布设数量和布设方案寻优研究。并结合平面桁架模型进行数值模拟验证。(2)探究双信号观测网络的布设累加规律,并以此建立双信号累加猴群算法。将双信号观测网络的不适定性指标作为算法目标函数。并结合平面梁模型算例,进行布设多类型传感器时的布设数量和布设方案寻优研究。(3)为使算法给出的布设方案更加合理,基于Pareto最优解理论进行传感器布设方案的多目标寻优研究。并研究了适用于传感器优化问题的Pareto最优解偏好性评价方法。(4)通过构建神经网络模型简化布置指标计算过程,以此提升本文算法计算效率。研究了以传感器布设方案作为神经网络输入时的输入层降维方法。克服了将神经网络模型与猴群算法相结合时出现的误差累积问题。并针对一个真实八层框架结构进行了建模试算。