结构在使用过程中受到外荷载作用和材料老化的影响,可造成结构的损伤累积和抗力衰减,甚至导致结构整体破坏,引起灾难性事故的发生。因此,研究结构损伤识别方法不仅具有较大的理论意义,而且具有重要的现实意义。小波分析方法能够很好的在时频两域表征信号的局部特征,而神经网络算法具有非线性映射、自我组织、并行处理等特点。根据结构损伤会改变结构的动力特性,通过损伤与结构动力参数之间的非线性关系可以识别结构的损伤,而应变参数对局部结构的细微损伤具有较高的敏感性,使其成为结构损伤诊断的理想指标参数。本文以框架结构为研究对象,以小波分析和神经网络理论为基础,结合二者的优点,运用小波分析来确定框架结构的损伤位置,利用神经网络算法来识别损伤程度,给出了基于应变模态参数识别框架结构损伤的原理,建立了一种识别结构损伤的小波神经网络方法。该方法既能有效识别框架的损伤位置又能识别框架结构的损伤程度。以简单框架为研究对象,采用本文所建立的小波神经网络方法,根据裂缝长度与截面高度的不同比值(d/h)来模拟损伤并建立有限元模型。通过建立基于振型模态和应变模态的损伤识别方法,分别对简单框架含有多处损伤的裂缝位置进行了识别,并对比了这两种模态下损伤位置的识别效果。然后分别对框架的振型模态和应变模态进行连续小波变换获得两种模态参数下的小波系数模极大值,利用神经网络去模拟小波系数模极大值与损伤程度之间的非线性关系来识别结构的损伤程度,并对比了这两种模态下损伤程度的识别效果。其数值分析表明,小波神经网络可以有效地识别出结构的损伤位置和损伤程度,且基于应变模态的损伤识别方法具有更好的准确性。本文分别以含损伤的一层两跨、两层一跨和两层两跨的框架结构为研究对象,建立含两处损伤和多处损伤框架的有限元模型。在不同损伤工况下进行应变模态连续小波变换,通过小波系数图来识别损伤位置;然后利用应变模态小波系数模极大值为输出参数构造神经网络,由神经网络的输出结果来识别结构的损伤程度,验证了方法的有效性。本文所提出的方法可供结构损伤诊断的工程应用参考。