为了工程结构的安全可靠性，宜对早期损伤进行健康检测。压电阻抗（Electro-mechanical impedance,简称 EMI）法是上世纪末发展起来的一种新型结构健康监测技术，其具有高频工作、免干扰、对早期微小损伤敏感的优点，也因此越来越受到人们的关注。但在实际工程应用中，用 EMI法对结构进行在线实时健康监测时，需要将 EMI信号及时准确地传输到系统处理器，并作出损伤分析和判断。然而，压电阻抗信号量是非常大的，须对采集到的信号实时压缩，以降低计算机内存从而达到高效传输、及时诊断的效果。所以本文研究的重点在于从损伤识别的反问题出发，提出了一种基于压缩感知（Compression Sensing）理论的EMI信号与神经网络损伤识别技术，论证了其压缩效果和该技术的可行性与优越性。其研究思路为对EMI信号进行有效的压缩且不失真的前提下利用BP神经网络进行结构的损伤识别研究，以降低计算机内存从而达到高效传输、及时诊断的目的。　　本文首先利用有限元软件 ANSYS分别建立含裂纹损伤齿轮及含裂纹损伤框架的三维有限元 EMI模型，针对不同损伤状态，进行数值模拟并提取电导（压电阻抗的倒数）信号；采用压缩感知方法对电导信号进行压缩，再进行主成分分析以降低 BP神经网络输入参数的维度。结果表明使用压缩感知技术之后，数据传输带宽和储存空间不到原来的一半；最后，将压缩后电导数据的主成分作为神经网络的输入参数，研究显示该检测方法能够检测到结构裂纹的存在，并能对裂纹的损伤程度进行有效的定量归类。　　本文还通过一个钢框架EMI试验验证该检测技术的可行性和有效性，针对不同的损伤程度和位置，实测出不同损伤工况下的EMI信号，并进行基于压缩感知的BP神经网络损伤识别分析。结果表明使用压缩感知技术之后，数据传输带宽和储存空间大大减小，压缩后的信号能够反应结构的损伤信息，该监测方法能够检测到结构损伤的存在并能对损伤进行定量分类，也进一步通过实验验证了该健康检测技术的可行性与优越性，同时为实际工程健康监测运用提供了可行的技术借鉴。