结构损伤检测是结构健康监测的关键环节,其常可转化为系统识别问题,其中,基于振动的系统识别技术受到了国内外学者的广泛关注。然而,现有方法主要基于输入输出都已知的小型结构,但实际工程结构越来越大型化,且一般难以测得实际激励大小和完备的结构响应。此外,大多数结构都具有一定程度非线性,尤其是在长期或突发荷载作用下,通常伴随着损伤的出现,结构即进入非线性状态。但现有方法主要是在线性理论基础上发展起来的,缺少对结构线性/非线性状态的判别标准,以及已知激励/未知激励下大型复杂结构的线性结构与非线性结构的系统识别方法。为此,本文开展了相关研究,主要的研究工作和成果如下:(1)开展了仅基于结构响应的结构线性/非线性状态检测研究,提出了一种新的结构状态检测方法。数值模拟和试验研究表明,所提方法不仅能检测结构的线性/非线性状态,还能量化其相对程度。(2)针对多粒子群协同算法(MPSCO)稳定性较差,易陷入局部最优的不足,提出了对陷入局部最优粒子的替换处理机制,实现了对MPSCO的改进,提高原有算法的稳定性。数值模拟和试验研究表明,相比其他算法,所提改进多粒子群协同算法(RMPSCO)对于线性和非线性结构参数都能有效识别,且精度更高。(3)开展了激励未知下仅基于单一、不完备结构响应的小型/大型线性结构系统识别研究,提出一种系统识别策略,并用7层和18层框架结构进行了数值模拟和试验验证。研究表明,该策略能有效解决激励识别的漂移问题,准确实现系统参数识别和激励辨识。(4)开展了激励已知下确定大型线性结构损伤发生时刻、位置及程度的检测研究,提出了三阶段检测策略。数值模拟和试验研究验证了该策略能有效实现不完备响应下的大型线性结构系统识别与损伤检测,并具有较强的鲁棒性。(5)针对非线性框架结构系统识别参数众多、效率低下且精度较低问题,研究提出了首先利用分形理论计算结构各层分形维数进行初步定位;再利用RMPSCO进行精确定位和识别模型相关参数。此外结合子结构法,将该策略推广到了大型非线性框架系统中。数值模拟和试验研究表明,所提方法有效提高了系统识别效率,能够准确评估框架结构的非线性特性。通过本文研究可以解决部分未知激励及不完备响应下的小型/大型结构损伤或系统识别问题,并为进入非线性状态结构的系统识别提供技术支持和参考。