结构在使用过程中，由于设计、施工、使用或环境等方而的原因，往往会发生不同程度的损伤，影响结构的受力性能。一旦结构发生损伤，将造成结构刚度和固有频率等特性的变化，进而导致结构动力响应发生变化。为了保证结构安全，必须确定其损伤位置和损伤程度，为制定加固处理措施提供技术依据。因此，对结构损伤检测技术的研究工作越来越受到人们的重视，成为保证结构良好工作的重要措施。近年来，有不少研究人员提出了许多基于结构的智能损伤诊断方法，如基于专家系统方法、模糊逻辑方法和神经网络方法等。这些方法为建立结构的智能诊断体系，起到了促进作用。然而这些诊断方法从根本上来说都是基于模式识别的基础之上的，当模式较多时不可避免的都存在规则爆炸以及难以处理不完备、不一致信息等问题。出于这种考虑，本文引入粗糙集理论及方法。本文的主要工作可以归纳如下：1)对应用粗糙集与方法的过程中，如何对数据进行预处理以及如何进行数据离散化处理进行了探讨。并给出了粗糙集理论中属性约简以及值约简的常规算法，在此基础上给出了基于信息量的属性约简算法。2)对熵的概念和作用做了简要的阐述，并在结构损伤诊断的特征参数提取中，引入了熵的特征，使得特征参数更加全面。3)对数据离散化和信息表的约简在粗糙集中的应用进行了研究，并建立了基于信息熵的粗糙集损伤诊断体系。4)通过一根悬臂梁的数值算例，验证了该方法的有效性5)对下一步在基于粗糙集故障诊断方面将要进行的工作进行了展望。