该文在大量文献综述基础上,对用神经网络进行结构损伤识别中的几个关键问题,采用理论分析、数值模拟、实验数据分析等方法,进行了系统地研究.该文首先就结构损伤识别神经网络的选型和构造问题进行了讨论,并认为,三层的BP网络(具有一个隐层)完全能够胜任结构损伤识别问题.该文提出了一种由固有频率和第一阶模态少数点分量合成的组合参数,作为结构损伤识别神经网络的输入向量,可以克服单采用频率或完整模态作为输入参数时的缺陷,其优越性、实用性通过数值模拟分析得到了验证.该文在理论上证明了,采用损伤前后结构动力特性变化经一定方式预处理后作为神经网络的输入向量,神经网络训练中的模型误差对损伤识别的影响很小,可以忽略不计;并基于该文的组合参数,通过数值模拟分析加以验证.此项工作对在神经网络进行结构损伤识别时,如何构造神经网络的输入向量,以减小或避免模型误差的影响,进行了新的实践.该文通过确定性数值分析、概率模拟分析,揭示了测量误差对用神经网络进行结构损伤识别的影响规律、以及模型误差和测量误差的综合影响规律.该文最后利用一个两层钢框架和一个门式钢框架的实验数据,对以上分析进行了验证.