对工程结构的损伤识别、定位及估计是近年来十分流行的研究课题，结构损伤检测技术已被广泛应用于航天、土木、机械和核工业中，是一门建立在损伤机理、传感器技术、信号分析技术、计算机技术及人工智能技术之上的多学科综合性技术。相对于传统的结构损伤检测方法，本论文主要对基于神经网络的结构损伤检测技术理论与应用进行研究。 本文通过理论分析了，适合结构损伤位置和损伤程度识别的组合参数法，(此组合参数是由固有频率的变化信息和少数选定点的模态分量合成的向量。)在此理论的基础上，分别对一个框架结构和一个悬臂梁结构进行了损伤数值模拟，同时采取合适的方法构造改进型BP神经网络的输入参数，应用训练后的神经网络对结构进行损伤检测。 本论文的主要工作有下面几个内容： 首先，通过对神经网络的工作原理进行分析，得出在理论上它能够对结构的损伤进行识别。 其次，结构的振动特性(固有频率、模态参数等)是结构物理参数(质量、刚度)的函数，即结构振动特性的变化是由结构物理参数的变化引起的。因此，通过有限元软件ANSYS对具有各种损伤程度的结构进行模态分析，得到固有频率和模态分量的数据，经过归一化处理后作为神经网络的输入向量。然后，将网络训练的结果和理论上的结果进行比较，以便在数值计算上确定神经网络是否能够准确地对结构的损伤进行识别。 最后，通过一个三层框架和一个悬臂梁的算例证明：组合参数法能够非常精确地识别出结构的损伤位置和损伤程度。只是对于小的损伤识别精度相对差一些，可以通过增大网络隐含层节点数或网络层数来加以解决。也可以通过增大输入样本的维数来提高识别精度。 经过实践证明，该法在工程损伤检测中具有一定的应用价值。