层合复合材料结构受冲击后造成的隐性分层损伤容易导致材料力学性能的下降，具有突发性和灾难性失效的潜在危险。论文从航空航天等领域利用压电智能结构进行结构健康监控的工程背景出发，研究层合复合材料结构的损伤识别与评估问题，对压电智能结构在结构健康监控工程中的应用具有重要工程应用价值。论文利用有限元软件ANSYS建立压电智能层合板有限元分层损伤模型，以降低弹性模量模拟结构的损伤，建立了损伤量为10%至70%的单点和多点损伤，分别从基于应变模态的模态参数识别方法和基于BP神经网络的模式识别方法进行了损伤识别方法的研究，主要研究内容如下：（1）模态参数损伤识别方法的研究。论文通过分析对比了有损伤结构和无损伤结构的固有频率，位移模态和应变模态，得出结论：应变模态对压电智能层合板的损伤更加敏感，损伤识别更可靠；为了研究应变模态的损伤定位和损伤程度诊断，分别比较了应变模态变化率、应变模态变化差、应变模态差分图对损伤定位和损伤程度诊断的效果，得出结论：应变模态变化率和应变模态变化差都能对单点损伤进行定位和损伤程度定性的诊断，但是对于多点损伤，应变模态变化率识别效果最好，且随着模态阶数越高，应变模态变化差就越难识别；而利用应变模态差分图的损伤识别方法的优势是可不需要结构无损状态数据，就能对单点损伤进行较好的识别，但对多点损伤识别效果不好。（2）研究基于BP神经网络的模式识别损伤识别系统，实现损伤位置和损伤程度定量的识别。该网络将直接应变模态作为网络的输入量，以损伤位置和定量的损伤程度为输出量，研究基于应变模态的BP神经网络智能识别系统。以复合材料层合板仿真算例验证，结果表明：采用层合板前3阶应变模态作为输入向量，利用LM优化算法BP神经网络，可以获得对复合材料层合板损伤识别精度比较好的网络，因此，基于BP神经网络的结构损伤识别方法是非常有效的。