论文基于石油钻井平台从一四层钢框架结构模型出发,围绕该模型发生不同程度的损伤展开识别和诊断工作,提出了基于小波分析和神经网络识别损伤的两步法。在求解结构的动力响应时,引入了计算精度高、无条件稳定且无超越现象的高阶单步-β算法,对得到的相应结点加速度响应进行一层离散小波变换,对所得到的细节信号尖峰高度的变化规律进行分析,考虑了小波函数选取、荷载强度、噪声标准及损伤程度等因素对小波识别损伤能力的影响,提出了适用于工程应用的加速度响应小波变换细节信号的尖峰高度确定损伤位置的方法。为了更真实模拟环境激励,在求解动力响应过程中加入了一定量的噪音干扰,因此论文在对相关数据进行小波变换前需要对所测得的数据进行小波降噪预处理。论文阐述了小波阈值法降噪原理,考虑了小波函数的选取、分解的尺度及阈值选取对信号降噪的影响,以信噪比和均方根误差两个指标作为评价降噪效果的优劣,提出了适用于环境激励的结构动力响应降噪流程。论文将传统的单一损伤识别方法发展为损伤识别两步法。在利用小波分析确定了损伤发生的位置后,引入BP神经网络,采用与损伤程度相关的指标固有频率平方变化比作为特征参数输入网络,从结构发生不同程度的损伤建立了一个三层BP网络,并利用训练好的网络对结构的损伤程度做出判断。