结构健康监测方法可以按频域方法和时域方法分为两大类。一般来说，基于频域方法的结构健康监测系统中所需的传感器数量会比较少，但只能对整个结构是否发生损伤进行评估，而无法对单个结构构件的健康状态进行评估，更无法确定结构损伤发生的位置。而基于时域方法的结构健康监测系统中所需的传感器数量则一般会比较多，但是却可以对结构所有构件的健康状态进行评估，并准确地判断出结构损伤发生的位置。由于传感器技术和信号处理技术的问题，在过去的研究中，大多数学者都倾向于研发基于频域方法的结构健康监测系统。近年来，随着传感器技术和信号处理技术的发展，基于时域方法的结构健康监测系统开始逐渐成为研究的热点。此外，按是否需要测量激励信息来区分，结构健康监测方法又可分为需要测量激励信息的方法和不需要测量激励信息的方法。由于实际结构所承受的激励载荷通常都是无法测量的，因此很明显不需要测量激励信息的方法比需要测量激励信息的方法更具实用性。本文的研究目的旨在开发一套实用的能够在单元层次上识别出结构中损伤的结构健康监测方法，所以本文主要关注的方法是基于时域的不需要测量激励信息的结构健康监测方法。自适应卡尔曼滤波，自适应序贯非线性最小二乘，自适应二次乘方和误差三种方法均与本文研究目标相吻合。基于这三种方法，本文对悬臂梁结构和空间桁架结构分别进行了实验研究，并对比分析了三种方法各自的优缺点。同时，由于这三种方法在以往文献中只在剪切型结构中实际应用过，为了将这三种方法实际用于实验室结构，本文引入了模型缩聚理论和子结构理论。本文的主要研究内容可以总结为以下几方面：（1）本文对固定损伤的悬臂梁结构进行了实验研究。研究中在悬臂梁上开凿了不同半径和个数的圆孔以模拟不同程度的损伤。为了识别出悬臂梁中损伤发生的位置和大小，我们使用有限单元法对悬臂梁结构进行建模，将其分为6个单元。考虑梁模型为欧拉梁，则其有限元模型共有6个竖向自由度和6个角向自由度，需要测量的响应为6个竖向加速度响应和6个角向加速度响应。然而，常用的加速度传感器均为竖向的加速度传感器，其无法测量悬臂梁各节点的角向加速度响应。为了解决这一问题，本文使用了模型缩聚法对悬臂梁结构进行模型缩聚，将其角向自由度均视为从自由度缩聚掉。随后，为了进一步减少传感器的数量，我们继续将悬臂梁结构缩减到三个自由度。实验结果表明，即使仅使用三个传感器，依旧可以识别出悬臂梁结构中损伤发生的位置和大小。（2）本文又对另一悬臂梁结构进行了实验研究，以研究文中所提方法的在线追踪能力。研究中在悬臂梁上安装了一个刚度元件系统以在实验过程中改变悬臂梁单元的刚度。同样，使用有限单元法对悬臂梁结构进行建模，将其分为6个单元。使用模型缩聚法对其有限元模型进行缩聚，将其角向自由度均视为从自由度缩聚掉。随后，为了进一步减少传感器的数量，我们继续将悬臂梁结构缩减到三个自由度。实验结果也表明，即使仅使用三个传感器，我们依旧可以识别出悬臂梁结构中损伤发生的位置和大小，并且能够及时地追踪悬臂梁单元刚度的变化情况，从而确定损伤发生的时刻和过程。（3）本文对空间桁架结构进行了实验研究。由于该空间桁架结构的有限元模型节点数较多，所以要同时测量其所有节点的加速度响应显然是不现实的。为此，我们引入了子结构法，对该桁架结构进行三步识别，并最终识别出整个桁架结构各单元的结构参数。同样，模型缩聚原理也被应用于该桁架结构以进一步减少传感器的数量。研究结果表明，仅使用12个传感器，我们就能识别出整个桁架结构所有单元的单元参数。而若按照文献中方法，该空间桁架结构的健康监测系统中需要安装72个传感器。（4）本文对自适应卡尔曼滤波，自适应序贯非线性最小二乘，自适应二次乘方和误差三种方法进行了对比研究。研究结果表明，三种方法均能准确地识别出结构各单元的刚度，并有效地追踪结构各单元的刚度变化。但是，自适应卡尔曼滤波法对识别初值要求较高，识别过程中计算量较大，且其在结构损伤识别方面的的精确性、收敛性、和效率性方面略逊于其他两种方法。而自适应序贯非线性最小二乘法中由于引入了Newmark-β法，所以对采样频率要求较高，其在采样频率较低时，可能会出现收敛速度较慢的情况。当发生这种情况时，只要提高响应数据的采样频率即可解决。