采用动力响应参数进行结构损伤识别时,可以根据动力学理论构建结构损伤检测的数学模型,并利用计算机智能算法对构建的数学模型进行带约束的求解,所求解能够直接反应出该结构是否发生损伤、损伤位置及损伤程度,因此,对于数学模型求解的精准度有了更高的要求。本文针对布谷鸟算法进行优化,以ASCE Benchmark模型为研究对象,验证优化算法的优越性,具体研究工作开展如下:（1）对各种基于动态响应的损伤识别方法进行了综述,并给出了本文基于固有频率变化和振型变化的损伤识别方法:频率法和振型法。（2）阐述了布谷鸟算法的由来,对算法计算过程中的控制因素（发现概率_ap和进化步长向量分量₀a）进行了分析,给出了算法的改进对象和具体公式（2-8）、（2-9）。（3）首先介绍了在加拿大哥伦比亚大学实验室制作的ASCE的健康监测ASCE Benchmark模型,给出了模型参数、荷载工况和模型损伤类型等,描述了各种工况损伤情况;然后在Matlab上编写了各种工况下的数值模拟程序,提取了频率和振型,并与从Ansys有限元建立各工况模型中提取的频率和振型进行比较,验证了在Matlab上对该模型各种工况数值模拟的正确性。（4）利用原算法（CS）和改进的算法（ICS）对ASCE Benchmark模型的各种工况进行了损伤识别,给出了模拟损伤情况下识别结果,反应出通过本文公式（2-8）、（2-9）进行改进后的算法较原算法识别结果更为精准;最后对实验室测得的加速度数据进行分析,提取了频率和振型,并与在Matlab上计算得到的理论频率和振型进行匹配对比,分别利用二者算法寻找最小差值的能力对本文给出的目标函数求解,说明了在只有实测数据的情况下,改进布谷鸟算法较原布谷鸟算法具有更高效的损伤识别能力。