大跨度空间网格结构因跨度大、自重轻、综合经济技术指标好等优点而受到人们的欢迎，被广泛应用于体育馆、展览馆、候车厅等各类建筑。然而，大跨度空间网格结构的构造和受力比较复杂，再加上环境腐蚀、材料老化、疲劳效应和地基不均匀沉降等因素的影响，很容易发生损伤并可能造成重大生命财产损失。为了避免此类损失，就必须对大跨度空间网格结构进行健康监测，而健康监测的核心则是损伤识别。本文采用基于时间序列分析和神经网络的大跨度空间网格结构损伤识别方法，以一个凯威特型单层球面网壳为例，对结构的损伤工况以及损伤位置进行识别，具体研究内容如下：（1）根据目前国内外结构损伤识别研究现状，对常用的结构损伤识别方法进行总结归纳，并指出它们各自的优缺点。（2）对基于时间序列分析与神经网络的大跨度空间网格结构损伤识别方法基本路线进行研究。首先，根据AR时间序列模型的系数变化判别结构是否发生损伤；然后，根据神经网络法识别结构损伤单元所在位置。该方法只需要结构的加速度时程响应即可对结构损伤进行识别，具有简便可行、准确度高的特点，且具有较强的容错性和一定的抗噪声能力。（3）通过数值模拟，以一个凯威特型单层球面网壳为例，利用基于时间序列分析和神经网络的大跨度空间网格结构损伤识别方法，对结构进行损伤识别。首先，通过ANSYS有限元分析软件获取模型的加速度时程响应并加入5%噪声信号；然后，建立AR时间序列模型，根据模型系数的变化，判别结构是否发生损伤；最后，利用神经网络识别损伤单元的具体位置。模拟结果表明：基于时间序列分析与神经网络的大跨度空间网格结构损伤识别方法准确、可行且具有一定的抗噪声能力。（4）采用单点激励多点响应的试验方案，对缩尺比例为1:10的凯威特型球面网壳进行了冲击响应试验。用橡胶头的力锤对网壳模型顶点施加竖直向下的单点激励，获得各节点的竖向加速度响应。考虑到实际工程中传感器数量有限，根据网壳对称性以及粒子群算法分析的结果，取其中六个节点的加速度响应为研究对象，采用基于时间序列分析与神经网络的大跨度空间网格结构损伤识别方法，对所设计的18种模型损伤工况进行识别，结果表明：①试验模型的自振频率与有限元分析结果吻合较好，证明试验缩尺模型具有一定的可靠性。②基于时间序列分析与神经网络的大跨度空间网格结构损伤识别方法能够准确识别出单构件损伤和双构件损伤的损伤工况及损伤位置，证明该方法准确、可行且具有一定的抗噪声能力。③传感器数目和布置位置以及神经网络隐含层神经元数目对损伤识别精度有较大影响。