对结构进行损伤识别是结构健康监测的关键,如何发展有效的损伤识别方法仍然是个难题。在实际工程中,由于结构复杂、所处的环境存在不确定性、实验测量数据不一定完备且有误差、损伤指标不够敏感以及有限元模型精度难以保证等原因,目前还未有普遍适用的结构损伤识别方法。因此研究发展新的实验测量方法和新的损伤识别方法显得很重要。针对土木工程结构损伤识别现状,本文首先采用数字图像相关(Digital Image Correlation,DIC)测量方法对结构进行了相关试验模态分析研究。然后基于曲率模态差损伤识别方法分别从实验和数值模拟分析两方面进行损伤识别验证,最后为了进一步提高结构损伤位置和损伤程度的识别效果,本文提出曲率模态差与最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)相结合的损伤识别方法。本文的主要工作包括:(1)基于DIC方法的试验模态分析。首先,采用加速度传感器测量方法和DIC测量方法对钢桁架结构进行对比实验,比较了频响函数、固有频率、模态振型三个要素,从而验证DIC方法获取模态参数的有效性。接着从拍摄距离和位移幅值对DIC测量方法的影响来进一步探索DIC测量方法。(2)考虑到在实际测量中,传统传感器测量点布置受限和测量数据不完备的影响,本文采用DIC测量方法获取结构的模态参数,并提出基于DIC技术的曲率模态差损伤识别方法,验证DIC在结构损伤识别工作中的可行性。同时对本文实验模型进行损伤模拟验证分析,对比基于曲率模态差损伤识别法下的数值模拟和实验损伤识别效果。(3)针对本文损伤识别方法的不足,提出基于曲率模态差法的LS-SVM的损伤识别方法。先对两个空间钢桁架结构进行模拟建模和模态分析计算,然后分别使用LS-SVM的分类算法和回归算法对两个模拟算例进行损伤位置和损伤程度的识别。