近年来，计算机智能算法在大跨空间结构健康监测领域逐步得到应用。健康监测的内容主要有两大要点：一是监测前期的数据获取，包括使用何种仪器设备、以怎样的方法手段、通过怎样的途径获取监测信息，其中涉及到传感器布置方案的确定；二是对采集到的数据进行分析并识别结构损伤。现今对这二者的研究，均会涉及到智能算法。空间网壳结构与一般结构相比，具有杆件节点数量多、模态振型复杂等特点，同时环境因素也会对模态参数的准确性和损伤指标判别的有效性产生影响，因此对健康监测智能优化算法的要求更高。
　　基于以上情况，本文重点研究了一种基于统计学习理论的群体进化算法：分布估计算法(EDA)，该算法采用统计学习手段从群体宏观角度建立一个描述解分布的概率模型，通过建立概率模型描述候选解在搜索空间的分布信息，随后通过随机采样方法产生新的种群，并进行反复迭代以实现种群的进化。
　　本文在分布估计算法的主体函数中，联合调用贝叶斯神经网络建立概率模型，构造基于模态动能的适用度函数，调用适用于神经网络的子函数实现学习和采样，进而借助模型更新技术实现了一维简支梁、二维桁架及单层柱面网壳结构的传感器优化布置。这是首次使用分布估计算法实现的传感器优化布置。经模态置信准则检验后，该方法优化结果正确。
　　在分布估计算法的主体函数中，使用高斯模型建立种群概率模型，构造基于损伤敏感的适用度函数，调用使用与高斯模型的子函数实现学习和采样，进而借助模型更新技术实现了一维简支梁、二维桁架及单层柱面网壳结构的损伤定位，以及一定程度上实现了损伤程度的识别，损伤程度识别精度均值达90%以上。
　　此外，进行了网壳结构的模型试验，对试验结果进行模型更新，识别网壳中损伤杆件的位置和程度。结果证明该方法能够对网壳杆件的损伤进行识别和定位，但整体精度低于数值试验结果。识别精度平均值为86.10%，识别精度较低的杆件位于支座及损伤杆件附近。
　　文中所涉及到的结构形式从简单到复杂，由浅入深地将分布估计算法应用于空间网壳结构智能监测领域。进一步拓展了计算机智能算法在土木工程智能监测领域的应用，对于推广大型公共建筑智能监测及安全预警技术具有重要意义。