钢筋混凝土框架结构由于其取材方便、造价低廉、耐久性好等优点,在国内外得到了广泛的应用。但是大量在役建筑己接近设计基准期,还有的由于超载、意外荷载等种种原因,在不同程度上受到了破损,存在着一些质量隐患。这些损伤和质量隐患有时会造成工程结构的严重破坏甚至倒塌,使国家和人民的生命和财产安全受到严重威胁。因此,加强钢筋混凝土框架结构损伤检测的研究是十分必要的。近年来,国内外许多学者一直在努力寻找能够准确进行结构损伤检测的方法,由于人工神经网络非线性映射能力强、计算速度快、具有高度的鲁棒性和容错性,非常适宜用于结构的损伤检测,因此许多学者进行了该领域的探索和研究,并取得了很多成绩,但是也存在一些问题,如神经网络类型的选定、网络输入参数的选取、训练样本数量的确定、实际测试数据不完备等。本文在分析以往研究成果的基础上,找到了一个基于曲率模态的对钢筋混凝土框架结构损伤识别有效的参数——振型曲率比。使用该参数仅需得到结构损伤前后的第一阶模态振型,然后计算出结构的振型曲率比,就可以据此识别出结构的损伤位置,并可以大致判断损伤程度。数值算例表明,该参数对于框架结构单处和多处损伤的位置和程度都可以较好的识别。作者利用ANSYS有限元分析软件对一个平面钢筋混凝土框架模型进行了模态分析,并用APDL编制程序计算该结构在损伤前后的振型曲率比。在此基础上,用结构的振型曲率比作为输入参数建立了一个BP神经网络,采用前面数值模拟得到的数据分别作为训练样本和预测样本。针对当所研究的对象为大型复杂结构时,神经网络需要数量庞大的训练样本这一弊端,根据数值模拟得到减少训练样本的方法,并得到了验证。同时,神经网络仿真预测的结果表明用振型曲率比作为网络的输入参数可以较好的识别结构单处和多处损伤的位置和程度,而且只需要结构的第一阶模态振型,大大减少了实际测试的工作量,简单有效,在工程上有很大的可行性。本文根据前面的分析情况,在文章最后提出了应用神经网络进行结构损伤检测的发展前景和亟待解决的问题。