框架结构因其造价经济、空间布置灵活、耐久性好等优势,被广泛应用于国内外各类建筑结构设计中。框架结构在长期使用期间将不可避免的出现各种损伤,未被修复的损伤将会累积,发展成更严重的损伤,甚至造成结构突然性破坏。如何识别框架结构的损伤状况,对于延长结构使用寿命,维护人民生命财产安全具有重要意义。本文在以往研究人员的基础上,利用神经网络结合均匀设计实验方法构建结构损伤状况的正分析模型修正档案库,采用分步式识别方法对框架结构进行损伤识别。识别结果表明本文所使用的方法在理论上是可行的。首先,为了能够近似建立损伤状态与结构反应之间的复杂映射关系,利用BP神经网络具有学习、归纳、总结、联想和记忆能力以及较强鲁棒性的特点,使用MATLAB神经网络工具箱构建了BP神经网络。采用L-M优化算法,由训练函数trainlm来实现自适应学习,对ASCE SHM benchmark模型进行了损伤识别,识别结果证明了所构建神经网络识别的有效性。其次,为了寻找能够对框架结构损伤进行有效识别的指标,通过不同损伤识别参数的推导,提出了使用结构正则化频率变化率以及位移模态的相对变化率作为损伤识别参数,并以一个一榀框架为例证明了其有效性。接着提出了使用多重分步识别方法对框架结构柱损伤位置和程度进行识别。把结构中构件的损伤识别分为三步,先以结构正则化频率变化率对损伤构件进行层定位,再以结构位移变化率对损伤进行构件定位,最后结合两种识别参数获得构件的损伤程度。通过一个混凝土框架结构数值模拟算例证明了所提出分步式损伤识别方法的有效性。再次,为了减少正分析模型修正次数,优化神经网络训练样本,应用均匀设计方法构建了可用于结构损伤正分析档案库的实验表。按此实验表对在结构中抽样构件的损伤位置和损伤程度构成训练样本,进行了BP神经网络结构损伤识别的训练。通过与全样本训练算例的对比表明,采用均匀设计法进行正分析模型修正能够在保证训练精度的同时,减少模型修正试验次数。因而具有了更高的识别效率。最后,为了验证基于均匀设计实验的分步式损伤识别方法对不同形式框架结构的适用性,通过不规则框架结构、变截面框架结构以及钢框架结构有限元模型结构损伤识别的算例,验证了所提出方法的有效性。同时为了避免大规模均匀设计表所产生的偏差,在不规则框架算例中采取分区分步识别与小型均匀设计相结合的方法,将结构分为多个区域,在每个区域使用均匀设计表构造了训练样本。计算结果表明均匀设计方法在保证识别效果的同时,大幅减少了神经网络正分析试验的次数。基于均匀设计的损伤多重分步识别方法,可对框架结构损伤位置进行精确判定,克服了一步识别框架损伤或单独使用某种参数进行损伤识别的缺陷。综合以上分析和算例验证,本文所提出基于均匀设计实验的框架结构分步式损伤识别方法是可行和有效的。相关分析为之后试验验证奠定了理论基础。