基于压电陶瓷智能驱动器/传感器识别结构损伤的压电阻抗技术,凭借其对微小损伤敏感、具备驱动与传感双重效应、以及对远场条件免疫力强等优势,被广泛应用于结构局部微小损伤的识别和监测中。然而在实际工程应用中,存在着大量压电导纳信号的传输、存储与处理,传输过程中的信号损失,精确的损伤定量,温度效应对导纳信号识别损伤干扰等科学问题。基于此,本文提出了基于重构压电导纳信号的结构损伤识别方法,主要研究成果如下:（1）针对基于压电阻抗的结构损伤诊断过程中反复测量、多传感器布置、多工况设置等引起的大量压电导纳信号存储处理、数据冗余问题,运用一种压缩采样技术进行导纳数据压缩,基于压缩数据,提出了正交匹配追踪算法重构导纳信号的结构损伤识别方法。有别于传统的压电阻抗技术,基于压缩采样方法对导纳信号作线性变换得到压缩数据,将压缩数据替代传统原始信号进行传输和存储至基站,并在其中通过正交匹配追踪算法实现导纳信号的重构,最后利用重构信号对目标结构进行损伤识别。将所提出方法应用于简支钢梁的损伤识别试验研究中,根据不同稀疏度下重构电导信号与原始电导信号的总误差得出了最优稀疏度区间,试验结果表明,利用重构电导信号的均方根偏差统计指标能够有效识别结构损伤,此外,通过分析采用不同测量数、测量矩阵的重构效果得到了压缩率的推荐范围。（2）针对压电导纳信号在采集传输过程中可能出现的数据损失问题,提出了一种基于压缩感知理论恢复损失导纳信号的结构损伤识别方法。通过一个混凝土标准试块环境温度识别试验以及一个足尺混凝土盾构隧道管片螺栓松动监测试验证明所提出方法的可行性。设置了两类伪随机连续样本损失模式,即单段连续损失与多段连续损失,以证明所提出方法恢复导纳信号的鲁棒性。分别基于基追踪方法和正交匹配追踪算法将含有损失的采样序列恢复为导纳信号流,两个试验结果均证明了基于恢复完成的电导信号,利用其谐振峰值变化、谐振频率偏移与均方根偏差三种敏感指标能够实现环境温度和结构损伤的识别。（3）针对温度变化条件下基于压电阻抗技术的损伤精准定量问题,提出了一种基于重构导纳信号特征深度学习的结构损伤识别方法。通过卷积神经网络对重构导纳信号的特征学习,实现了变温环境下混凝土结构的损伤精确定量。所提出方法对应于每一种损伤情形仅需采集两组原始导纳信号,一组用作生成训练集,另一组用作生成测试集,通过一系列在变温环境下混凝土标准试块的裂缝探测交叉试验进行方法验证。基于变式正交匹配追踪算法生成足够数量的导纳信号以形成卷积神经网络训练/测试使用的数据库,将数据库按照相同裂缝损伤条件下识别温度以及同一温度条件下识别裂缝损伤程度划分为若干子集,分别设计两种不同的网络模型结构对针对温度识别的子集和针对损伤识别的子集进行模式识别。通过测试集对于训练完成的模型评估表明试验识别结果良好,并且温度识别的各子集识别精度优于损伤定量的各子集。