大型土木工程结构(如桥梁、房屋建筑等)在其服役期间，由于受到地震、火灾、强风等灾害或长期荷载作用的疲劳、环境腐蚀等原因而不可避免地会产生不同程度的损伤，一旦损伤达到一定程度，在没有及时发现并处理的情况下，极有可能引发灾难性的事故。因此，对结构进行损伤识别和早期损伤预警研究具有重要意义。　　 结构损伤识别是桥梁结构健康监测系统的重要组成部分，而基于结构动力响应的损伤识别方法更是目前的研究热点。本文在对已有损伤识别方法进行改进的同时，将新的信号处理方法(小波变换、HHT)和计算智能技术(神经网络)引入到桥梁结构的损伤识别中，为发展切实满足结构健康监测系统需要的损伤识别技术提供了可供选择且有效的手段。本文的主要研究工作如下：　　 1.综述了各种基于结构动力响应分析的结构损伤识别方法的研究现状。　　 2.由于模态柔度对结构损伤的高灵敏性，且识别损伤只需结构低阶模态信息的特点，基于模态柔度的损伤识别理论，提出了基于模态柔度曲率改变率(MFCI(aver))的结构损伤识别方法。采用模态柔度曲率改变率作为结构的损伤定位指纹对一简支梁和连续梁进行了数值模拟，取得了良好的损伤识别效果，与已有损伤识别指纹对比分析发现，该方法由于在识别过程中避免了大型矩阵运算和对数据进行平均处理，从而在识别速度和抗噪性方面均比现有指纹有明显改善。　　 3.神经网络输入参数的选择直接影响损伤识别的效果，利用结构振动模态分析原理论证了结构损伤前后的模态柔度差和模态振型差均有对基准有限元模型误差不敏感的特性，建立了以上述两种指标作为神经网络输入参数进行结构损伤程度识别的方法，从而减少因基准有限元模型误差对神经网络学习过程的影响，提高识别准确性。32m预应力混凝土简支箱梁和连续梁的数值模拟结果表明，训练好的神经网络可以较准确的识别出结构损伤程度，并且讨论了测量误差的影响。　　 4.由于小波分析在处理非稳态信号方面与传统的FFT分析相比具有明显的优势，提出了基于小波包结点能量和神经网络的桥梁结构损伤识别方法，即首先利用归一化的小波包结点能量改变率作为神经网络的输入参数来确定损伤位置，然后利用归一化的小波包结点能量输入神经网络来确定损伤程度，简支钢桁梁和连续梁的数值算例结果表明：该方法可以实现对损伤位置和程度的识别，并在数值算例中讨论了噪声对该方法的影响。　　 5.对本文提出和建立的损伤识别方法进行了综合比较，为实际应用中合理选择识别方法提供了参考依据。　　 6.结构的损伤会引起结构状态的微小突变，探讨了利用HHT谱和分解后IMF分量中的突变点判断结构在某一时间点是否有损伤发生，达到损伤预警的目的。一座三跨钢桁梁的数值模拟表明，基于HHT的结构损伤预警方法可以准确给出损伤发生的时刻，而且可以面向实时数据，非常适合桥梁结构的在线健康监测。