近年来,土木工程结构不断向着大型化、复杂化发展。为了保障结构的长期服役和安全运营,结构健康监测与损伤识别已经成为土木工程领域研究的重点之一。由于实际结构所处工作环境的复杂多变性,导致结构环境激励展现出明显的非平稳性,故结构振动响应信号本质上为非平稳的,进而使得基于平稳激励假定的传统损伤识别方法效果不够理想。本文针对非平稳激励下的结构损伤识别问题,提出基于递归图和卷积神经网络的识别方法。首先通过递归图揭示结构振动响应中的非平稳性,然后利用卷积神经网络自动提取损伤特征,并对不同的损伤工况进行分类,达到结构损伤位置和损伤程度识别的目的。本文主要的研究内容如下:(1)综述结构损伤识别的研究现状,主要包含基于结构动力特性的损伤识别方法、基于振动响应信号处理的损伤识别方法、以及基于有限元模型修正的损伤识别方法,并对这些方法的优势与不足进行对比。(2)利用结构多通道的振动响应数据构造多变量无阈值递归图,揭示结构在非平稳激励下的振动特性,并对比常规递归图、多变量递归图和多变量无阈值递归图表征结构振动非平稳特性的效果。(3)利用深度卷积神经网络在图像处理和模式识别方面的优势,提出基于递归图和卷积神经网络的损伤识别基础方法,直接将各工况结构振动响应的递归图输入卷积神经网络模型进行训练。通过非平稳激励下的简支梁数值模拟算例,验证该方法对单损伤工况进行损伤位置和损伤程度识别的可行性。(4)针对多损伤识别工况数急剧增加、样本训练数据量庞大的问题,提出基于递归图和卷积神经网络的损伤识别改进方法,根据损伤位置对各工况结构振动响应的递归图建立多套标签,分别输入多个并行的卷积神经网络模型进行训练,将损伤位置和损伤程度识别任务解耦。通过非平稳激励下的简支梁数值模拟算例,验证该方法对多损伤工况(含单损伤工况)识别的可行性。(5)将上述提出的结构损伤识别基础与改进方法应用于铝合金梁损伤识别实验中,进一步验证两种损伤识别方法的有效性,并讨论了样本量大小对损伤识别的影响。实验结果表明,在小样本量条件下,损伤识别改进方法能够有效提升损伤识别正确率。