建国后兴建的土木工程结构如桥梁、大坝、高层建筑等，多数已接近基准使用期。由于外部荷载、环境浸蚀、超期服役、自然灾害、设计初始缺陷等原因，这些建筑结构普遍存在损伤现象。如何对结构损伤进行有效的检测和评价，已成为当前土木工程界研究的热点问题。目前结构损伤检测还处于初步探索阶段，研究方法基本上处于理论分析和数值模拟实验阶段，而物理模型实验缺乏，致使所产生理论与方法与实际工程应用还存在着一定差距。针对这一现状，本文以土木工程中常见的桥梁结构的损伤检测为研究对象，通过在桥梁结构的简化模型-工字钢梁上设置不同损伤位置、不同损伤程度、单一损伤、多个损伤等若干损伤工况，实验研究小波分析、神经网络等先进数学工具在损伤检测中的应用方法和应用效果。在每种工况下，基于动力测试来获取不同损伤工况下的动力响应，采用小波包变换对该动力响应进行分析，以构建对损伤敏感的小波包频段能量值构成的损伤特征向量。基于该特征向量的数学分析，构造了损伤敏感向量和损伤敏感指标DI(damage index)。将该损伤指标用于损伤识别，取得了较为理想的效果。同时，本文还运用神经网络的自学习、自组织和强大的容错能力，对工字钢梁所构建损伤的损伤位置和损伤程度进行智能识别。神经网络通过对大量已有损伤样本的学习，所建模型能够较好地识别未参与学习的损伤工况的损伤位置和损伤程度。 基于大量的物理模型实验，探索小波变换、神经网络等先进数学工具进行桥梁结构损伤检测的可行性和有效性是本文的特色。研究结果表明，小波包分析和神经网络用于工字钢梁的损伤识别是行之有效的，这对现有众多的在数值模拟实验中发展基于这两种先进理论的损伤检测方法研究，是一个有益的补充。最后本文给出了工字钢梁损伤识别过程中存在问题及解决办法、试验研究成果和理论研究的基本结论，提出了课题应当继续开展的相关研究工作。