空间网格结构已被广泛的应用于大跨度结构中,但由于该结构形式抗力冗余较少,容易局部失稳,导致其事故频发,对其进行有效的监测及时识别其损伤成为急需解决的工程问题。因此,本文首先设计和制作了足尺2×20的正放四角锥网格结构和13种损伤单元作为研究对象,通过冲击荷载对网格结构进行动力测试和数据采集,并对每种工况进行重复采样,建立适合于机器学习方法的数据样本库。接着,以移动窗口最小二乘拟合损伤识别方法(MWLSQ)为基础,推导和完善了其在空间网格结构损伤识别的相关理论,利用桁架结构和足尺大跨度空间网格结构实验数据,研究了该方法在大跨度空间网格结构中的适用性和有效性。之后,建立了以自回归模型参数(AR参数)为特征以支持向量机(SVM)为分类方法的损伤识别方法,利用加速度信号组成的数据样本库,对基于支持向量机的损伤识别方法进行训练和测试,验证该方法的正确性和优越性,同时对SVM的参数优化和其在网格结构不同损伤位置、损伤程度、激励源和噪音等工况的识别效果以及AR参数选择等问题进行了研究和分析。分析结果表明,一方面,MWLSQ方法对损伤较大和靠近跨中位置的损伤识别效果较好,对于边跨和较小损伤识别效果一般;另一方面,基于支持向量机的识别方法对损伤识别准确率极高(大于98%),相应参数研究得到的识别准确率也极高,并且优化算法还能继续提高识别准确率。总之,通过较为完整的对空间网格结构损伤识别问题进行研究可得,以AR参数为特征量,利用优化算法的基于支持向量机器学习的损伤识别方法,可以非常准确的对空间网格结构损伤进行有效识别。