为了避免大型土木工程结构和基础设施因结构损伤而导致灾难性的事故,确保人类生命和财产的安全,研究学者提出了多种识别方法对现役结构的损伤进行检测,以便及早地维修和加固结构。其中,模态振型、模态应变能、应变模态三种指标的研究较为广泛,本文也加入三种指标的研究中,希望探究出三种指标在损伤识别时灵敏度的规律,并为以后的结构损伤识别提供指导。本文灵敏度部分先推导了特征(振型)灵敏度,随后基于特征灵敏度,推导出结构一阶单元模态应变能灵敏度和一阶应变模态灵敏度。然后建立一个空间钢架数值模型来分析三种灵敏度的规律,并重点讨论三种损伤指标灵敏度高低、损伤指标灵敏度与损伤程度的关系、损伤指标灵敏度与损伤位置的关系、损伤指标灵敏度与损伤单元类型的关系、多处损伤对损伤指标灵敏度的影响。最后同样在数值模型中用三种指标的一阶模态差进行损伤识别以验证灵敏度分析结果。试验部分先介绍了应变模态分析理论,不同于以往的教材本文的应变频响函数是基于梁的振动理论推导出来的,现有的力学教材中应变频响函数都涉及到复杂的矩阵计算并且物理意义模糊,本文的推导很好的解决了以上弊端。随后采用一个钢架结构进行试验,试验采用的传感器有两种:加速度传感器和应变片,采集的数据分别为加速度时程曲线和应变时程曲线,对采集的数据进行频响函数分析以便得到所需模态参数。最后运用测量得到的模态参数分别计算出一阶模态振型差、一阶模态应变能差、一阶应变模态差,观察三种指标损伤识别效果,并将结果与三种指标损伤识别灵敏度大小对比,以验证数值模拟中关于三种指标灵敏度的结论。基于实验结果发现所采用的三种损伤识别指标在双损工况下都存在损伤的误判,因此提出利用BP神经网络结合三种损伤指标进行损伤识别,目的是让神经网络结合多种数据提高损伤识别准确率、预测损伤程度和解决信号受干扰的问题。