基于振动特性的结构损伤识别方法作为工程结构健康监测的重要方法之一,已经越来越多地受到广大科研人员的关注,然而其理论方法在实际应用时,依旧存在着一些困难与不足。粒子群优化（PSO）算法由于其快速的计算收敛性和实现的简单性等特点,已经逐渐引起人们的高度关注,目前已被广泛应用于函数优化、神经网络训练、模糊系统控制等领域,在近几年它也开始被应用到不同工程应用领域。本文正是将这两个不同领域中的热门技术进行结合与改进,一方面为损伤检测提出新的方法,另一方面扩展了粒子群优化算法的应用领域。在前人工作基础上,对粒子群优化算法用于结构损伤识别作进一步研究。首先对基于振动特性的结构损伤识别技术进行了综述,其次对粒子群优化算法进行了简单介绍,然后为了较好解决现有方法对结构小、多损伤识别精度不高的问题,有针对性地从目标函数入手,提出基于模态柔度指标以及修正模态置信准则的新目标函数,最后通过数值仿真算例和实验室实验并与传统目标函数的识别效果进行对比研究,以期验证新目标函数用于结构损伤识别的有效性和识别效率。这里,数值仿真中首次尝试使用不完备振型,对空间桁架结构进行了损伤识别；而实验则使用了国际先进的LMS Test.Lab系统对健康和损伤状态下的某一钢质两端铰支梁进行试验模态分析,并利用该梁的实测模态频率和振型进行结构损伤识别。数值仿真和实验研究结果均表明：新目标函数能够明显提高结构小、多损伤的识别精度,各方面性能优于传统目标函数。