随着科学技术的进步和现代工业的快速发展，出现了很多大型复杂的工程结构。为了保证结构的正常使用、避免灾难性突发事故的发生、保证人民生命财产的安全，结构损伤监测技术研究日益成为工程领域内一个重要的研究课题。 近几十年来出现了很多针对不同的工程结构损伤问题的检测方法，基于振动测试的结构损伤识别研究正日益引起研究人员的重视。本论文受国家自然科学基金重点项目(50335030)和航天支撑技术基金项目资助，主要研究基于摄动法的裂纹裂纹梁结构振动模态特性分析，将HHT变换方法、支持向量机算法和激光电视全息技术引入结构裂纹损伤识别领域中，寻找可靠、实用且具有较高精度的结构损伤识别方法。 本论文首先在查阅大量相关文献的基础上，总结了国内外基于振动检测的结构损伤识别方法的研究成果，指出了其中存在的一些问题，并介绍了本文的内容安排。 本论文的研究工作主要分为四个部分： 第一部分基于改进的裂纹损伤模型，应用摄动法研究了裂纹梁的振动模态变化特性。 将结构裂纹损伤以δ函数表示，提出了改进梁结构裂纹损伤模型；建立了一阶、二阶摄动表示的裂纹梁振动特征方程，推导出了裂纹简支梁特征值和模态振型的一阶、二阶摄动解析表达式，并进一步提出了损伤Euler-Bernoulli梁振动模态的一阶、二阶摄动解析表达式。在此基础上，推导出了损伤结构振动特征方程摄动法计算的一般表达式，为定性和定量研究损伤对结构模态参数的影响提供了理论基础。以简支梁作为数值算例，讨论了不同损伤条件下简支梁模态参数的变化情况，结果表明简支梁的固有频率和模态振型的变化与损伤位置和程度有直接的关系，而曲率模态振型对于结构损伤的敏感度明显优于位移振型。并与有关文献中损伤悬臂梁实验结果对比，验证了基于改进裂纹损伤模型的摄动法计算裂纹梁频率的可靠性。 本文第二部分将HHT变换方法引入基于结构振动响应信号的裂纹损伤检测中。 首先推导出基于摄动法的裂纹梁强迫响应方程，并介绍了HHT变换的基本原理。HHT方法在处理非线性、非稳态信号方面有很大的优势，但在信号分解过程中，有时会出现伪IMF分量和多成分分量混淆的情况。为了提高HHT方法处理信号的精度，提出了基于小波分析和HHT变换的结构损伤检测方法：首先通过小波包分解响应信号，然后对分解信号应用HHT变换，并剔除伪IMF分量；最后通过比较IMF分量的瞬时频率和瞬时振幅来判断结构是否发生损伤。简支梁的仿真计算和Benchmark结构的实验结果都表明该方法对损伤检测是比较有效的。 本文第三部分探讨了基于支持向量机算法的结构损伤诊断方法。 支持向量机是一种基于统计学习理论的机器学习算法，通过寻求结构风险最小化来实现实际风险最小化，在解决小样本、非线性及高维模式识别问题中表现出特有的优势。为了提高损伤识别精度，本文引入分类概率计算，提出了基于支持向量机算法的结构损伤分步识别方法：首先确定结构中可能出现损伤的位置，并根据分类概率分布重新构造训练样本，然后使用支持向量机回归算法计算精确的损伤位置；按照同样步骤确定损伤程度。通过对悬臂梁的数值仿真计算和简支梁的损伤识别对比研究，结果表明这一方法可以减少计算的复杂性和网络学习工作量，从而节约损伤识别网络学习时间，提高识别精度。 本文第四部分对悬臂梁和液晶面板的损伤识别进行了实验研究。 通过与悬臂梁实验结果对比，发现基于改进损伤模型摄动法的计算结果反映了损伤悬臂梁的频率变化规律，但在发生较大损伤时该方法计算精度还需要进一步提高。通过分析损伤前后悬臂梁的响应信号，发现基于小波分析和HHT变换的损伤检测方法对于悬臂梁损伤检测还是比较有效的。在添加随机误差的情况下，基于支持向量机算法的结构损伤分步识别方法能够较好的识别出悬臂梁裂纹的位置和深度。 在对液晶面板的损伤检测中，为了提高散斑干涉条纹的处理精度，引入支持向量机算法对散斑干涉条纹图像进行分类，提出了基于激光电视全息技术和支持向量机的损伤识别技术。液晶面板的裂纹损伤识别实验结果表明该方法能够有效提高损伤识别精度，简化损伤识别过程，实现结构缺陷判断智能化。 最后，对本论文的研究工作和创新点进行了总结，并探讨了目前存在的问题和下一步需要深入研究的方向。