有限元模型修正是基于结构振动特性进行损伤识别的有效方法之一,国内外研究学者在该领域进行了深入的研究。近十年来,稀疏重构理论和压缩感知理论成为结构健康监测领域的研究热点。在实际工程中,结构出现损伤的单元数目与整个结构的所有单元相比是很少的,因此结构的损伤向量可视为一个稀疏向量,即该向量大部分位置为零,只有在损伤的单元位置为非零。然而,目前广泛使用于结构损伤识别的l₂正则化有限元模型修正方法求解往往过于光滑,不能准确有效地识别出结构的损伤。因此,基于稀疏重构理论和有限元模型修正方法,本文提出了的l₁正则化方法和迭代重加权l₁正则化方法用于识别结构稀疏损伤的位置和程度。本文针对提出的两种结构损伤识别方法展开了较为深入的研究,主要研究内容包括:1.将单步模型修正方法与稀疏损伤识别方法相结合,并考虑到结构固有频率与模态振型的优缺点,分别提出了基于固有频率的、基于固有频率和模态振型的l₁正则化和迭代重加权l₁正则化损伤识别目标函数,并对特征值（固有频率）和特征向量（模态振型）的一阶灵敏度矩阵进行推导;讨论正则化参数β选取方法与目标方程优化迭代求解方法;2.建立一个悬臂梁和一个空间框架缩尺模型,分别进行模态实验,测量模型结构损伤前后多个工况的模态参数（固有频率和模态振型）;3.基于数学分析软件MATLAB,结合梁结构和空间框架结构有限元理论,编制相应的模态分析程序和损伤识别程序,并利用上述程序对损伤识别方法进行研究;4.使用结构模态实验所得的模态参数,使用本文提出的l₁正则化方法和迭代重加权l₁正则化方法进行结构损伤识别,并与广泛应用的l₂正则化方法进行对比。结果表明,本文提出的损伤识别方法能准确的识别结构的稀疏损伤,而l₂正则化方法不能;5.发展了一种正则化参数选取方法,通过模拟数据研究影响损伤识别结果的参数（如测量数据数量、测量误差、损伤程度等）,为损伤识别的实际应用提供一定的建议。