在结构长期服役期间，疲劳、环境腐蚀和材料老化等因素的作用会引起结构损伤的累积。由于这种累积损伤不易为人所察觉，因此它将使结构的安全性受到潜在地威胁。鉴于此，研究结构损伤的自动识别方法具有十分重要的科研价值与巨大的社会效益。 本文主要采用神经网络方法，依据结构的应变模态理论，对钢结构构件的焊缝损伤的自动识别问题进行了综合的研究。由于钢结构焊缝与主体结构在微观结构上存在显著差异，其力学性能也极大地受加工工艺的影响，并且受力状态复杂，因此更容易发生损伤。且从现有文献中发现，目前还很少有人关注钢结构焊缝的损伤自动识别问题。 本文的主要工作如下： (1) 总结了各种基于振动特性的结构损伤识别方法的基本原理与特点。并指出，应变类参数对结构局部损伤十分敏感，是进行钢结构构件焊缝损伤自动识别的理想的识别指标。 (2) 简要介绍了神经网络方法的相关理论基础，较为详细地阐述了基于神经网络的结构损伤识别方法的基本原理与实现过程。 (3) 研究了基于应变模态的钢结构构件焊缝损伤的自动识别方法。以工程上常见的工字型简支钢梁为研究对象，分别采用基于结构振动特性的方法和神经网络方法，对其进行了单处和两处焊缝损伤自动识别的研究，并提出了解决网络抗噪声干扰问题的有效措施。结果表明，以应变模态差为损伤识别指标，结合神经网络方法，能够得到较为满意的简支梁焊缝损伤的自动识别结果，而且网络具有一定的抗噪声干扰能力。 (4) 以深圳市市民中心屋顶网架结构的智能监测系统为实际应用背景，详细介绍了网架结构支撑钢牛腿的智能化监测方法。其中包括，基于神经网络的牛腿瞬时荷载的自动识别、牛腿关键点应力的快速正向计算、以及关键点工作状态的评估与报警。仿真结果表明，这种方法完全可以应用于工程实际。