结构的损伤识别与健康检测是近年来国际上的研究热点,而人工神经网络方法也是近年来的热门研究课题,涉及土木工程的各个领域,在结构损伤检测中尤其意义重大。本文基于试验模态数据和人工神经网络方法,对框架结构斜支撑进行识别。本文首先在实验室中对框架结构模型进行斜支撑设置,即在不同的位置设置钢支撑。然后对框架结构的初始状态、各种斜支撑情况进行了位移模态试验,不仅得到了结构比较容易获得的平动模态,还成功的获取了较难得到的扭转模态信息。本文首先直接利用模态信息,即基于结构的扭转振型图提出了一个初步确定斜支撑所在楼层位置的指标,但是该指标只是对非对称的斜支撑情况识别效果较好。本文利用神经网络方法来识别所有支撑的楼层位置及刚度。为了更准确的对框架结构进行识别,可综合利用平动模态及扭转模态的数据作为神经网络的输入向量,本文提出了一个新的组合指标作为其输入向量。为了使得神经网络的训练样本更真实,本文必须首先利用框架结构初始状态的试验值,对其进行模型修正。修正后的模型经SAP2000软件分析,其计算值与试验值相吻合。模型修正后,本文基于神经网络的多重分步识别方法,对斜支撑进行位置及截面刚度的识别。该方法将支撑位置的识别与支撑刚度的识别分开来,即首先确定支撑的层位置,然后在已知层内确定支撑的具体位置,最后才识别支撑的截面刚度。采用这一方法可以大大减少学习样本,提高学习效率。位置的确定采用PNN神经网络,截面刚度的识别采用RBF神经网络。经过验证后,发现支撑识别的结果与试验结果吻合良好。