海洋平台是开采海洋资源的基础设施,经过常年累月的服役后,平台容易出现部件老化、腐蚀甚至断裂等结构损伤。通过对海洋平台进行健康监测并在结构损伤进一步扩大前及时发现并预警,能够有效保障海洋平台结构和工作人员的安全。目前,针对海洋平台损伤的主流研究方法是在采集结构响应数据的基础上分析结构模态参数的变化以判断损伤的发生,其优势在于只需要对少量的数据进行分析,但容易受环境噪声的影响导致判断结果不准确,如果能够在大量监测数据的基础上,将智能的方法应用到该领域中,可以提高损伤识别的准确率和鲁棒性,增强方法的实用性。本文以真实的海洋平台长期监测数据为依托,将传统方法中的模态参数提取方法与智能学习方法相结合。首先使用小波包分解和希尔伯特黄变换两种时频域分析方法从结构响应数据中提取损伤敏感特征,分析了两种方法的优缺点,并进一步通过对比试验筛选出小波包分解方法中适合于海洋平台监测数据分析的小波函数和分解层数。其次,针对海洋平台监测数据无显式样本标签这一情况,使用无监督的模糊均值聚类算法和单分类支持向量机算法,成功识别出二自由度动力仿真系统中模型参数的变化,并将两种方法结合提出一种两阶段损伤识别方法,解决了当前诸多研究方法由于需要数据标签而无法直接应用于真实平台损伤识别中的问题,该方法能够成功识别出浮式生产储油卸油（FPSO）平台出现的损伤。然后,在识别出结构发生损伤后,进一步研究损伤的定位问题,在复杂结构中,不同损伤位置可能引发相似的结构固有特性变化,使得从单一传感器的监测数据中无法准确分析出损伤位置,因此,本文以传感器阵列为基础,为每个位置的传感器都训练独立的损伤判别模型,通过比较各个模型的预测结果,能够对网格钢梁结构的损伤位置进行大致定位。为了进一步提高定位的精度,将自编码卷积神经网络应用到损伤定位中,有效提高了模型对真正发生损伤位置的识别准确率,并降低其他未发生损伤位置的误报比例。最后,将结构损伤识别方法集成到海洋平台监测数据管理系统中,实现了监测数据管理、可视化查询、特征分析和损伤预警一体化。