随着空间网架结构在国内外建筑市场上的普及应用，此类结构所发生的工程事故也随之增多。由于网架结构是大跨结构，其施工人员及其使用人员较多，所以如果发生工程事故的话，将造成巨大的经济损失以及生命财产的损失。结构损伤识别就是为了避免发生这类问题而产生的研究方向。由结构动力学的知识可知，任何结构都可以看作是由刚度、质量、阻尼组成的力学系统，结构中某个构件一旦出现损伤，必将导致结构的刚度、阻尼等参数的改变，进而导致系统的频率响应函数和模态参数(频率和振型等)的改变。因此如何利用结构模态参数的改变进而实现结构早期损伤的识别成为了损伤诊断的关键。为了研究各种损伤诊断的方法，本文利用有限元方法模拟了一个两向正交正放四角锥网架，以此作为数值试验的模型。通过计算得出结构损伤前后的状态，获得结构的动态参数的变化，这些参数主要是指结构的固有频率和振型。并且在此基础上，利用模态应变能技术对损伤进行了初步的定位。本文建立了BP神经网络模型，并利用其作为损伤识别的一种手段。根据主元分析以及其他方法，合理的利用了损伤前后的模态信息作为神经网络的输入向量，对比了不同的训练方法，并将训练好的神经网络用于结构的损伤诊断当中。与此同时，本文引入了统计学习理论，并将其利用到损伤识别技术当中。统计学习理论建立了一套有限样本下机器学习的理论框架和通用方法，支持向量机就是以统计学习理论为理论基础的学习机器，它既有严格的理论基础，又能较好地解决小样本、非线性、维数灾难和局部极小点等实际问题。本文将此方法引入到空间网架结构的损伤诊断当中。利用最小二乘支持向量机对网架的损伤进行了准确的定位与损伤程度的判断。根据数值试验的计算结果可知，利用支持向量机是一个非常理想损伤判断工具。