石油井架在钻井过程中起承载作用,应具备足够的稳定性和安全性。井架在长期服役中可能产生局部损伤,埋下安全隐患。因此,开展井架损伤识别研究是十分必要的。针对传统识别法在噪声环境下识别度低、工作量大的情况,本文应用多传感信息融合技术对石油井架损伤识别问题进行研究并提出两种井架损伤识别方法。首先建立了石油井架有限元模型并进行模态分析以确定信号采样频率。通过瞬态动力分析和静载模拟,采集了井架原始信号,经过信号处理提取了能够表征井架损伤的振动信号时域和时频特征以及应力应变特征。采用RBF（Radial Basis Function,径向基）网络与D-S（Dempster-Shafer）证据理论相结合的方式对石油井架进行损伤识别。将井架不同类型损伤信号特征汇集制成损伤样本库,进行损伤检测时,将待测损伤工况下的信号用同样的处理方法制成测试样本;然后利用RBF网络的分类识别功能获得初步识别结果,再以权重系数法获得基本赋值概率;最后通过D-S证据理论以决策级信息融合的方式得到融合识别结果,该方法能够对井架单损伤工况进行较好识别。应用GA（Genetic Algorithm,遗传算法）优化BP（Back Propagation,反向传播）神经网络对石油井架进行损伤识别。利用小波包时频分析法处理井架的加速度信号,提取不同损伤工况下分解后的小波包能量特征。将能量特征与应力特征汇集制成多传感数据样本库,将待测损伤工况下的信号用同样的处理方法制成测试样本,经过基于GA-BP网络的石油井架损伤识别模型的训练与测试,以特征级信息融合的方式得到井架损伤识别结果。通过仿真数据与井架模型实验的验证,该方法能够对井架单损伤与多损伤工况进行识别。两种井架损伤识别方法能够在噪声背景下进行损伤识别,改善了传统纯应变应力方法繁琐的工作量,过程中不需要和无损伤工况下的数据进行对比或参照计算,减少了工作量。此外,多类型多传感器的应用对井架杆件进行交叉覆盖,提高了识别系统的容错性和稳定性。